TensorFlow函數(shù)教程：tf.keras.backend.rnn

tf.keras.backend.rnn函數(shù)

tf.keras.backend.rnn(
    step_function,
    inputs,
    initial_states,
    go_backwards=False,
    mask=None,
    constants=None,
    unroll=False,
    input_length=None,
    time_major=False,
    zero_output_for_mask=False
)

定義在：tensorflow/python/keras/backend.py。

在張量的時(shí)間維度迭代。

參數(shù)：

• step_function：RNN步驟函數(shù)。參數(shù)：input：具有shape (samples, ...)的張量（沒有時(shí)間維度），表示在特定時(shí)間步驟的一批樣品的輸入。states：張量列表。返回：output：具有shape (samples, output_dim)的張量 （沒有時(shí)間維度）。new_states：張量列表，長度和shape與“states”相同。列表中的第一個(gè)狀態(tài)必須是前一個(gè)時(shí)間步的輸出張量。
• inputs：shape為(samples, time, ...) （至少3D）的時(shí)間數(shù)據(jù)的張量，或嵌套張量，并且每個(gè)都具有shape (samples, time, ...)。
• initial_states：shape為(samples, state_size) 的張量（無時(shí)間維度），包含step函數(shù)中使用的狀態(tài)的初始值。在state_size是嵌套形狀的情況下，initial_states的形狀也將遵循嵌套結(jié)構(gòu)。
• go_backwards：布爾值。如果為True，則以相反的順序?qū)r(shí)間維度進(jìn)行迭代，并返回相反的序列。
• mask：shape為(samples, time, 1)的二進(jìn)制張量，對于每個(gè)被屏蔽的元素都為零。
• constants：每個(gè)步驟傳遞的常量值列表。
• unroll：是否展開RNN或使用符號while_loop。
• input_length：如果指定，則假設(shè)時(shí)間維度為此長度。
• time_major：布爾值。如果為true，則輸入和輸出將位于shape (timesteps, batch, ...)，而在False情況下，它將是 (batch, timesteps, ...)。使用time_major = True更有效，因?yàn)樗苊饬薘NN計(jì)算開始和結(jié)束時(shí)的轉(zhuǎn)置。但是，大多數(shù)TensorFlow數(shù)據(jù)都是批處理主數(shù)據(jù)，因此默認(rèn)情況下，此函數(shù)接受批處理主要形式的輸入并發(fā)出輸出。
• zero_output_for_mask：布爾值。如果為True，則屏蔽時(shí)間步長的輸出將為零，而在False情況下，將返回先前時(shí)間步長的輸出。

返回：

一個(gè)元組，(last_output, outputs, new_states)。

last_output：shape為(samples, ...) 輸出的rnn的最新輸出。

outputs：shape為(samples, time, ...)的張量，其中每個(gè)條目 outputs[s, t] 是樣本 s 在時(shí)間 t 的步驟函數(shù)輸出值。

new_states：張量列表，步長函數(shù)返回的最新狀態(tài)，shape為(samples, ...)。

可能引發(fā)的異常：

• ValueError：如果輸入維度小于3。
• ValueError：如果unroll是True，但輸入時(shí)間步長不是固定數(shù)字。
• ValueError：如果提供了mask（非None），但未提供狀態(tài)（len(states)== 0）。