版权声明:微信公众号:数据挖掘与机器学习进阶之路。本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/u013230189/article/details/82822668
tf.contrib.rnn.GRUCell
Aliases:
- Class tf.contrib.rnn.GRUCell
- Class tf.nn.rnn_cell.GRUCell
门控循环单元cell
__init__(
num_units,
activation=None,
reuse=None,
kernel_initializer=None,
bias_initializer=None,
name=None,
dtype=None
)
参数说明:
num_unit:GRU cell中神经元数量。即隐藏的神经元数量。
activation:使用的激活函数
resue:布尔型,表示是否在现有的scope中重复使用变量。如果不为True,并且现有的scope中已经存在给定的变量,则会产生错误。
Kernel_initializer:可选参数,权重和投影矩阵使用的初始化器。
Bias_initializer:可选参数,偏置使用的初始化器。
name:该层的名称。拥有同样名称的层共享权重,但为了避免错误,一般会使用reuse=True
dtype:该层默认的数据类型。
代码示例:
import tensorflow as tf
batch_size=10
depth=128
output_dim=100
inputs=tf.Variable(tf.random_normal([batch_size,depth]))
previous_state=tf.Variable(tf.random_normal([batch_size,output_dim])) #前一个状态的输出
gruCell=tf.nn.rnn_cell.GRUCell(output_dim)
output,state=gruCell(inputs,previous_state)
print(output)
print(state)
输出:
Tensor("gru_cell/add:0", shape=(10, 100), dtype=float32) Tensor("gru_cell/add:0", shape=(10, 100), dtype=float32) |