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) |