GRU Cell 層
GRUCell 類別
keras.layers.GRUCell(
units,
activation="tanh",
recurrent_activation="sigmoid",
use_bias=True,
kernel_initializer="glorot_uniform",
recurrent_initializer="orthogonal",
bias_initializer="zeros",
kernel_regularizer=None,
recurrent_regularizer=None,
bias_regularizer=None,
kernel_constraint=None,
recurrent_constraint=None,
bias_constraint=None,
dropout=0.0,
recurrent_dropout=0.0,
reset_after=True,
seed=None,
**kwargs
)
GRU 層的 Cell 類別。
此類別處理整個時間序列輸入中的一個步驟，而 keras.layer.GRU 處理整個序列。
參數
- units：正整數，輸出空間的維度。
- activation：要使用的激活函數。預設值：雙曲正切函數 (
tanh)。如果傳遞 None，則不應用激活函數（即「線性」激活函數：a(x) = x）。 - recurrent_activation：用於循環步驟的激活函數。預設值：sigmoid 函數 (
sigmoid)。如果傳遞None，則不應用激活函數（即「線性」激活函數：a(x) = x）。 - use_bias：布林值，（預設值
True），指示層是否應使用偏差向量。 - kernel_initializer：用於
kernel權重矩陣的初始化器，用於輸入的線性轉換。預設值："glorot_uniform"。 - recurrent_initializer：用於
recurrent_kernel權重矩陣的初始化器，用於循環狀態的線性轉換。預設值："orthogonal"。 - bias_initializer：偏差向量的初始化器。預設值：
"zeros"。 - kernel_regularizer：應用於
kernel權重矩陣的正規化函數。預設值：None。 - recurrent_regularizer：應用於
recurrent_kernel權重矩陣的正規化函數。預設值：None。 - bias_regularizer：應用於偏差向量的正規化函數。預設值：
None。 - kernel_constraint：應用於
kernel權重矩陣的約束函數。預設值：None。 - recurrent_constraint：應用於
recurrent_kernel權重矩陣的約束函數。預設值：None。 - bias_constraint：應用於偏差向量的約束函數。預設值：
None。 - dropout：介於 0 和 1 之間的浮點數。輸入線性轉換中要丟棄的單元比例。預設值：0。
- recurrent_dropout：介於 0 和 1 之間的浮點數。循環狀態線性轉換中要丟棄的單元比例。預設值：0。
- reset_after：GRU 慣例（是在矩陣乘法之後還是之前應用重置閘）。False =「之前」，True =「之後」（預設值且與 cuDNN 相容）。
- seed：dropout 的隨機種子。
呼叫參數
- inputs：一個 2D 張量，形狀為
(batch, features)。 - states：一個 2D 張量，形狀為
(batch, units)，這是來自前一個時間步的狀態。 - training：Python 布林值，指示層應在訓練模式還是推論模式下運行。僅在使用
dropout或recurrent_dropout時相關。
範例
>>> inputs = np.random.random((32, 10, 8))
>>> rnn = keras.layers.RNN(keras.layers.GRUCell(4))
>>> output = rnn(inputs)
>>> output.shape
(32, 4)
>>> rnn = keras.layers.RNN(
... keras.layers.GRUCell(4),
... return_sequences=True,
... return_state=True)
>>> whole_sequence_output, final_state = rnn(inputs)
>>> whole_sequence_output.shape
(32, 10, 4)
>>> final_state.shape
(32, 4)