npu_dynamic_rnn
【免费下载链接】tensorflowAscend TensorFlow Adapter项目地址: https://gitcode.com/cann/tensorflow
功能说明
创建由RNNCell指定的高性能神经网络。
函数原型
def npu_dynamic_rnn(cell, inputs, initial_state=None, dtype=None, sequence_length=None, scope=None)参数说明
| 参数名 | 输入/输出 | 描述 |
|---|---|---|
| cell | 输入 | RNNCell的实例，为LSTM、GRU等的记忆单元。 |
| inputs | 输入 | 长度为T的输入列表，每一个都是shape为[max_time，batch_size，input_size]或此类元素的嵌套元组。 |
| initial_state | 输入 | （可选）RNN的初始状态。如果cell.state_size是整数，则必须是shape为[batch_size，cell.state_size]的Tensor；如果cell.state_size是一个元组，则它应该是cell.state_size中形状为[batch_size，s]的张量的元组。 |
| dtype | 输入 | （可选）初始状态和预期输出的数据类型。如果initial_state为空或RNN状态具有异构dtype，则该参数为必需。 |
| sequence_length | 输入 | 指定输入中每个序列的长度。一个int32或int64向量（张量）大小为[batch_size]，值为[0，T）。 |
| scope | 输入 | 创建子图的VariableScope。 默认为“rnn”。 |
返回值
tensor：RNN的输出Tensor。
state：最终状态。
约束说明
适用于NMT网络训练脚本的while_loop循环展开场景。
调用示例
from npu_bridge.npu_init import * # 原代码： inputs = npu_unstack(self.encoder_emb_inp, axis=0) encoder_outputs , encoder_state = static_rnn( cell, inputs, dtype= dtype, sequence_length = sequence_length ) encoder_outputs = npu_stack( encoder_outputs, axis=0 ) # 替换成： encoder_outputs , encoder_state = npu_rnn.npu_dynamic_rnn( cell, inputs=self.encoder_emb_inp, dtype= dtype, sequence_length= sequence_length)【免费下载链接】tensorflowAscend TensorFlow Adapter项目地址: https://gitcode.com/cann/tensorflow
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
