簡單 RNN 細胞層
SimpleRNNCell 類別
keras.layers.SimpleRNNCell(
units,
activation="tanh",
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,
seed=None,
**kwargs
)
SimpleRNN 的細胞類別。
此類別處理整個時間序列輸入中的一個步驟，而 keras.layer.SimpleRNN 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 (
tanh)。如果您傳遞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
True），層是否應使用偏差向量。 - kernel_initializer：
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：
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。為輸入的線性轉換而捨棄的單元比例。預設值：0。
- recurrent_dropout：介於 0 和 1 之間的浮點數。為循環狀態的線性轉換而捨棄的單元比例。預設值：0。
- seed：dropout 的隨機種子。
呼叫參數
- sequence：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作。僅當使用
dropout或recurrent_dropout時才相關。
範例
inputs = np.random.random([32, 10, 8]).astype(np.float32)
rnn = keras.layers.RNN(keras.layers.SimpleRNNCell(4))
output = rnn(inputs) # The output has shape `(32, 4)`.
rnn = keras.layers.RNN(
keras.layers.SimpleRNNCell(4),
return_sequences=True,
return_state=True
)
# whole_sequence_output has shape `(32, 10, 4)`.
# final_state has shape `(32, 4)`.
whole_sequence_output, final_state = rnn(inputs)