SimpleRNNCell
简单循环神经网络单元
该OP是简单循环神经网络单元(SimpleRNNCell),根据当前时刻输入x(t)和上一时刻状态h(t-1)计算当前时刻输出y(t)并更新状态h(t)。
状态更新公式如下:
其中的 act 表示激活函数。
详情请参考论文 :。
参数:
input_size (int) - 输入的大小。
hidden_size (int) - 隐藏状态大小。
activation (str, 可选) - 简单循环神经网络单元的激活函数。可以是tanh或relu。默认为tanh。
weight_ih_attr (ParamAttr,可选) - weight_ih的参数。默认为None。
bias_ih_attr (ParamAttr,可选) - bias_ih的参数。默认为None。
bias_hh_attr (ParamAttr,可选) - bias_hh的参数。默认为None。
name (str, 可选): OP的名字。默认为None。详情请参考 Name。
weight_ih (Parameter) - input到hidden的变换矩阵的权重。形状为(hidden_size, input_size)。对应公式中的
。
bias_ih (Parameter) - input到hidden的变换矩阵的偏置。形状为(hidden_size, )。对应公式中的
。
bias_hh (Parameter) - hidden到hidden的变换矩阵的偏置。形状为(hidden_size, )。对应公式中的
。
输入:
inputs (Tensor) - 输入。形状为[batch_size, input_size],对应公式中的
states (Tensor,可选) - 上一轮的隐藏状态。形状为[batch_size, hidden_size],对应公式中的
。当state为None的时候,初始状态为全0矩阵。默认为None。
输出:
new_states (Tensor) - 新一轮的隐藏状态。形状为[batch_size, hidden_size],对应公式中的
。
注解
所有的变换矩阵的权重和偏置都默认初始化为Uniform(-std, std),其中std =
。对于参数初始化,详情请参考 。
代码示例: