npu_dynamic_rnn

函数原型

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

功能说明

创建由RNNCell指定的高性能神经网络。

使用约束

适用于NMT网络训练脚本的while_loop循环展开场景。

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

调用示例

      
       
         
         
           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)

          

        

      
     

父主题： npu_bridge.estimator.npu.npu_rnn