tensorflow学习笔记(十六):rnn_cell.py

rnn_cell

水平有限,如有错误,请指正!

本文主要介绍一下 tensorflow.python.ops.rnn_cell 中的一些类和函数,可以为我们编程所用

run_cell._linear()

def _linear(args, output_size, bias, bias_start=0.0, scope=None):

• args: list of tensor [batch_size, size]. 注意,list中的每个tensor的size 并不需要一定相同,但batch_size要保证一样.
• output_size : 一个整数
• bias: bool型, True表示 加bias,False表示不加
• return : [batch_size, output_size]
  注意: 这个函数的atgs 不能是 _ref 类型(tf_getvariable(), tf.Variables()返回的都是 _ref),但这个 _ref类型经过任何op之后,_ref就会消失

PS: _ref referente-typed is mutable

rnn_cell.BasicLSTMCell()

class BasicLSTMCell(RNNCell):
  def __init__(self, num_units, forget_bias=1.0, input_size=None, state_is_tuple=True, activation=tanh):
""" 为什么被称为 Basic It does not allow cell clipping, a projection layer, and does not use peep-hole connections: it is the basic baseline. """

• num_units: lstm单元的output_size
• input_size: 这个参数没必要输入, 官方说马上也要禁用了
• state_is_tuple: True的话, (c_state,h_state)作为tuple返回
• activation: 激活函数
  注意: 在我们创建 cell=BasicLSTMCell(…) 的时候, 只是初始化了cell的一些基本参数值. 这时,是没有variable被创建的, variable在我们 cell(input, state)时才会被创建, 下面所有的类都是这样

rnn_cell.GRUCell()

class GRUCell(RNNCell):
  def __init__(self, num_units, input_size=None, activation=tanh):

创建一个GRUCell

rnn_cell.LSTMCell()

class LSTMCell(RNNCell):
  def __init__(self, num_units, input_size=None, use_peepholes=False, cell_clip=None, initializer=None, num_proj=None, proj_clip=None, num_unit_shards=1, num_proj_shards=1, forget_bias=1.0, state_is_tuple=True, activation=tanh):           

• num_proj: python Innteger ,映射输出的size, 用了这个就不需要下面那个类了

rnn_cell.OutputProjectionWrapper()

class OutputProjectionWrapper(RNNCell):
  def __init__(self, cell, output_size):

• output_size: 要映射的 size
• return: 返回一个 带有 OutputProjection Layer的 cell(s)

rnn_cell.InputProjectionWrapper():

class InputProjectionWrapper(RNNCell):
  def __init__(self, cell, num_proj, input_size=None):

• 和上面差不多,一个输出映射,一个输入映射

rnn_cell.DropoutWrapper()

class DropoutWrapper(RNNCell):
  def __init__(self, cell, input_keep_prob=1.0, output_keep_prob=1.0, seed=None):

• dropout

rnn_cell.EmbeddingWrapper():

class EmbeddingWrapper(RNNCell):
  def __init__(self, cell, embedding_classes, embedding_size, initializer=None):

• 返回一个带有 embedding 的cell

rnn_cell.MultiRNNCell():

class MultiRNNCell(RNNCell):
  def __init__(self, cells, state_is_tuple=True):

• 用来增加 rnn 的层数
• cells : list of cell
• 返回一个多层的 cell

关于LSTM, LSTM(peephole), GRU 请见Understanding LSTM Networks