下载
中文
注册
我要评分
文档获取效率
文档正确性
内容完整性
文档易理解
在线提单
论坛求助
昇腾小AI

npu_dynamic_rnn

功能说明

创建由RNNCell指定的高性能神经网络。

函数原型

def npu_dynamic_rnn(cell,
inputs,
initial_state=None,
dtype=None,
sequence_length=None,
scope=None)

参数说明

参数名

输入/输出

描述

cell

输入

RNNCell的实例,为LSTM、GRU等的记忆单元。

inputs

输入

长度为T的输入列表,每一个都是shape为[max_time,batch_size,input_size]或此类元素的嵌套元组。

initial_state

输入

(可选)RNN的初始状态。如果cell.state_size是整数,则必须是shape为[batch_size,cell.state_size]的Tensor;如果cell.state_size是一个元组,则它应该是cell.state_size中形状为[batch_size,s]的张量的元组。

dtype

输入

(可选)初始状态和预期输出的数据类型。如果initial_state为空或RNN状态具有异构dtype,则该参数为必需。

sequence_length

输入

指定输入中每个序列的长度。 一个int32或int64向量(张量)大小为[batch_size],值为[0,T)。

scope

输入

创建子图的VariableScope; 默认为“ rnn”。

返回值

tensor:RNN的输出Tensor。

state:最终状态

约束说明

适用于NMT网络训练脚本的while_loop循环展开场景。

调用示例

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
from npu_bridge.npu_init import *
原代码
inputs = npu_unstack(self.encoder_emb_inp, axis=0)
encoder_outputs , encoder_state = static_rnn(
    cell,
    inputs,
    dtype= dtype,
    sequence_length = sequence_length
     )
encoder_outputs = npu_stack( encoder_outputs, axis=0 )
替换成
encoder_outputs , encoder_state = npu_rnn.npu_dynamic_rnn(
    cell,
    inputs=self.encoder_emb_inp,
    dtype= dtype,
    sequence_length= sequence_length)
搜索结果
找到“0”个结果

当前产品无相关内容

未找到相关内容,请尝试其他搜索词