dynamic_gru

• dynamic_gru(input, size, param_attr=None, bias_attr=None, is_reverse=False, gate_activation='sigmoid', candidate_activation='tanh', h_0=None, origin_mode=False)[源代码]

注意：该OP的输入只能是LoDTensor，如果您需要处理的输入是Tensor类型，请使用StaticRNN（fluid.layers. ）。

该OP用于在完整序列上逐个时间步的进行单层Gated Recurrent Unit（GRU）的计算，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:

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 size 的3倍的全连接层并将其输出作为 ； 为前一时间步的隐状态 hidden； 、 、 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 分别代表更新门、重置门和候选隐状态在计算时使用的权重矩阵和偏置。在实现上，三个权重矩阵合并为一个 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:

返回： 形状为

、LoD level为1的LoDTensor，其中 表示mini-batch中所有序列长度之和， 为隐状态特征维度的大小。表示经过GRU变换的输出特征序列，和 input 具有相同的LoD（序列长度）和数据类型。

代码示例