gru_unit
Gated Recurrent Unit(GRU)循环神经网络计算单元。该OP用于完成单个时间步内GRU的计算,支持以下两种计算方式:
如果origin_mode为True,则使用的运算公式来自论文 Learning Phrase Representations using RNN Encoder Decoder for Statistical Machine Translation 。
如果origin_mode为False,则使用的运算公式来自论文 。
公式如下:
其中,
为当前时间步的输入,这个输入并非 ,该OP不包含
的计算,注意 要在该OP前使用大小为GRU隐单元数目的3倍的全连接层并将其输出作为 input
;
为前一时间步的隐状态 ;
、
、
和
分别代表了GRU单元中update gate(更新门)、reset gate(重置门)、candidate hidden(候选隐状态)和隐状态输出;
为逐个元素相乘;
、
和
形状的Tensor存放,三个偏置拼接为一个
形状的Tensor存放,其中
为隐单元的数目;权重Tensor存放布局为:
和
拼接为
形状位于前半部分,
以
形状位于后半部分。
参数:
input (Variable) – 表示经线性变换后当前时间步的输入,是形状为
的二维Tensor,其中
为batch_size,
为隐单元的数目。数据类型为float32或float64。
hidden (Variable) – 表示上一时间步产生的隐状态,是形状为
的二维Tensor,其中
为隐单元的数目。数据类型与
input
相同。param_attr (ParamAttr,可选) – 指定权重参数属性的对象。默认值为None,表示使用默认的权重参数属性。具体用法请参见 ParamAttr 。
bias_attr (ParamAttr,可选) - 指定偏置参数属性的对象。默认值为None,表示使用默认的偏置参数属性。具体用法请参见 。
gate_activation (string) – 公式中
激活函数的类型。支持identity、sigmoid、tanh、relu四种激活函数类型,默认为sigmoid。
origin_mode (bool) – 指明要使用的GRU计算方式,两种计算方式具体差异见公式描述,默认值为False。
返回:Variable的三元组,包含三个与 input
相同数据类型的Tensor,分别表示下一时间步的隐状态(
)、重置的前一时间步的隐状态(
)和
的拼接,形状分别为
、
和
。通常只有下一时间步的隐状态(
)作为GRU的输出和隐状态使用,其他内容只是中间计算结果。
返回类型: tuple