LSTM单元层
LSTMCell class
keras.layers.LSTMCell(
units,
activation="tanh",
recurrent_activation="sigmoid",
use_bias=True,
kernel_initializer="glorot_uniform",
recurrent_initializer="orthogonal",
bias_initializer="zeros",
unit_forget_bias=True,
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
)
LSTM层的单元类.
该类处理整个时间序列输入中的一个步骤,而keras.layer.LSTM处理整个序列.
参数:
units: 正整数,输出空间的维度.
activation: 要使用的激活函数.默认:双曲正切(tanh).如果传递None,则不应用激活函数
(即"线性”激活:a(x) = x).
recurrent_activation: 用于循环步骤的激活函数.默认:sigmoid(sigmoid).如果传递None,则不应用激活函数
(即"线性”激活:a(x) = x).
use_bias: 布尔值,（默认True）,该层是否应使用偏置向量.
kernel_initializer: kernel权重矩阵的初始化器,
用于输入的线性变换.默认:"glorot_uniform".
recurrent_initializer: recurrent_kernel权重矩阵的初始化器,
用于循环状态的线性变换.默认:"orthogonal".
bias_initializer: 偏置向量的初始化器.默认:"zeros".
unit_forget_bias: 布尔值（默认True）.如果为True,
在初始化时将1添加到遗忘门的偏置中.
将其设置为True还将强制bias_initializer="zeros".
这在Jozefowicz et al.中推荐
kernel_regularizer: 应用于kernel权重矩阵的正则化函数.默认:None.
recurrent_regularizer: 应用于recurrent_kernel权重矩阵的正则化函数.默认:None.
bias_regularizer: 应用于偏置向量的正则化函数.默认:None.
kernel_constraint: 应用于kernel权重矩阵的约束函数.默认:None.
recurrent_constraint: 应用于recurrent_kernel权重矩阵的约束函数.默认:None.
bias_constraint: 应用于偏置向量的约束函数.默认:None.
dropout: 0到1之间的浮点数.用于输入线性变换的单元丢弃比例.默认:0.
recurrent_dropout: 0到1之间的浮点数.用于循环状态线性变换的单元丢弃比例.默认:0.
seed: 用于丢弃的随机种子.
调用参数:
inputs: 一个2D张量,形状为(batch, features).
states: 一个2D张量,形状为(batch, units),即从前一个时间步的状态.
training: Python布尔值,指示层应在训练模式还是推理模式下运行.仅在使用dropout或
recurrent_dropout时相关.
示例:
>>> inputs = np.random.random((32, 10, 8))
>>> rnn = keras.layers.RNN(keras.layers.LSTMCell(4))
>>> output = rnn(inputs)
>>> output.shape
(32, 4)
>>> rnn = keras.layers.RNN(
... keras.layers.LSTMCell(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)