lstm_unit

    Long-Short Term Memory（LSTM）循环神经网络计算单元。该OP用于完成单个时间步内LSTM的计算，基于论文 中的描述实现，

    并在forget gate（遗忘门）中增加了 forget_bias 来控制遗忘力度，公式如下：

    其中，

    lstm_unit - 图1

    对应 x_t， 表示当前时间步的输入；

    和

    lstm_unit - 图2

    对应 hidden_t_prev 和 cell_t_prev，表示上一时间步的hidden和cell输出；

    分别为input gate（输入门）、forget gate（遗忘门）、cell、output gate（输出门）和hidden的计算。

    参数：

    • x_t (Variable) - 表示当前时间步的输入的Tensor，形状为

      ，其中

      lstm_unit - 图3

      为batch_size， MM 为输入的特征维度大小。数据类型为float32或float64。

    • hidden_t_prev (Variable) - 表示前一时间步hidden输出的Tensor，形状为 [N,D][N,D]，其中 NN 为batch_size， DD 为LSTM中隐单元的数目。数据类型与 x_t 相同。

    • cell_t_prev (Variable) - 表示前一时间步cell输出的Tensor，和 hidden_t_prev 具有相同形状和数据类型。

    • 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 ParamAttr 。

    • name (str，可选) – 具体用法请参见 ，一般无需设置，默认值为None。

    返回：Variable的二元组，包含了两个形状和数据类型均与 相同的Tensor，分别表示hiddel和cell输出，即公式中的 htht 和 ctct 。

    返回类型：tuple

    抛出异常:

    • ValueError： hidden_t_prev 的阶不为2

    • ValueError： cell_t_prev 的阶不为2

    • ： x_t 、hidden_t_prev 和 cell_t_prev 的第一维大小必须相同