企业官网建设流程全解析

DynamicRNN构造函数

【免费下载链接】tensorflowAscend TensorFlow Adapter项目地址: https://gitcode.com/cann/tensorflow

功能说明

TensorFlow侧使用该接口，支持RNN类网络训练、推理。

函数原型

class DynamicRNN(_DynamicBasic): def __init__(self, hidden_size, dtype, cell_type="LSTM", direction=DYNAMIC_RNN_UNIDIRECTION, cell_depth=1, use_peephole=False, keep_prob=1.0, cell_clip=-1.0, num_proj=0, time_major=True, activation="tanh", forget_bias=0.0, is_training=True)

参数说明

返回值

• output_y：RNN的输出tensor，shape为【num_step, batch_size, hidden_size】。
• output_h：RNN的输出tensor，shape为【num_step, batch_size, hidden_size】。
• output_c：RNN的输出tensor，shape为【num_step, batch_size, hidden_size】。
• i：RNN计算的中间结果，用于反向计算使用。
• j：RNN计算的中间结果，用于反向计算使用。
• f：RNN计算的中间结果，用于反向计算使用。
• o：RNN计算的中间结果，用于反向计算使用。
• tanhc：RNN计算的中间结果，用于反向计算使用。

使用约束

该接口为tf.nn.dynamic_rnn的高性能实现接口，用户可以对原生接口进行替换，需要注意的是：

• TensorFlow原生接口tf.nn.dynamic_rnn可以对cell层做添加处理，例如首尾连接等，DynamicRNN不支持直接对cell层做添加处理，需要在函数外自行实现。
• 目前该接口支持的功能有限，具体约束详见参数说明表。

调用示例

import tensorflow as tf from npu_bridge.estimator.npu.npu_dynamic_rnn import DynamicRNN inputs = tf.random.normal(shape=(25, 64, 128)) lstm = DynamicRNN(hidden_size=16, dtype=tf.float16, is_training=False) y, output_h, output_c, i, j, f, o, tanhc = lstm(inputs, seq_length=None, init_h=None, init_c=None)

【免费下载链接】tensorflowAscend TensorFlow Adapter项目地址: https://gitcode.com/cann/tensorflow