GRUCell

class paddle.fluid.layers. GRUCell ( hidden_size, param_attr=None, bias_attr=None, gate_activation=None, activation=None, dtype='float32', name='GRUCell' ) [源代码]

门控循环单元（Gated Recurrent Unit）。通过对 fluid.contrib.layers.rnn_impl.BasicGRUUnit 包装，来让它可以应用于RNNCell。

公式如下：

\[\begin{split}u_t & = act_g(W_{ux}x_{t} + W_{uh}h_{t-1} + b_u)\\ r_t & = act_g(W_{rx}x_{t} + W_{rh}h_{t-1} + b_r)\\ \tilde{h_t} & = act_c(W_{cx}x_{t} + W_{ch}(r_t \odot h_{t-1}) + b_c)\\ h_t & = u_t \odot h_{t-1} + (1-u_t) \odot \tilde{h_t}\end{split}\]

更多细节可以参考 Learning Phrase Representations using RNN Encoder Decoder for Statistical Machine Translation

参数

  • hidden_size (int) - GRUCell中的隐藏层大小。

  • param_attr (ParamAttr，可选) - 指定权重参数属性的对象。默认值为None，表示使用默认的权重参数属性。具体用法请参见 ParamAttr。

  • 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 。

  • gate_activation (function，可选) - \(act_g\) 的激活函数。 默认值为 fluid.layers.sigmoid。

  • activation (function，可选) - \(act_c\) 的激活函数。 默认值为 fluid.layers.tanh

  • dtype (string，可选) - 此cell中使用的数据类型。 默认为"float32"。

  • name (string，可选) - 用于标识参数和偏差的名称域。

返回

GRUCell类的实例对象。

代码示例

import paddle.fluid.layers as layers
cell = layers.GRUCell(hidden_size=256)

方法

call(inputs, states)

执行GRU的计算。

参数

  • input (Variable) - 输入，形状为 \([batch\_size，input\_size]\) 的tensor，对应于公式中的 \(x_t\) 。数据类型应为float32。

  • states (Variable) - 状态，形状为 \([batch\_size，hidden\_size]\) 的tensor。 对应于公式中的 \(h_{t-1}\) 。数据类型应为float32。

返回 一个元组 (outputs, new_states) ，其中 outputs 和 new_states 是同一个tensor，其形状为 \([batch\_size，hidden\_size]\)，数据类型和 state 的数据类型相同，对应于公式中的 \(h_t\)。

返回类型 tuple

state_shape()

GRUCell的 state_shape 是形状 \([hidden\_size]\) （batch大小为-1，自动插入到形状中），对应于 \(h_{t-1}\) 的形状。

参数 无。

返回 GRUCell的 state_shape。

返回类型 Variable