dynamic_decode
注意:该API仅支持【静态图】模式
dynamic_decode(decoder, inits=None, max_step_num=None, output_time_major=False, **kwargs):
该接口重复执行 decoder.step()
直到 其返回的表示完成状态的Tensor中的值全部为True或解码步骤达到 max_step_num
。
decode.initialize()
会在解码循环之前被调用一次。如果 decoder
实现了 finalize
方法,则 decoder.finalize()
在解码循环后将被调用一次。
- 参数:
- decoder (Decoder) - 解码器的实例。
- inits (object,可选) - 传递给
decoder.initialize
的参数。默认为None。 - max_step_num (int,可选) - 最大步数。如果未提供,解码直到解码过程完成(
decode.step()
返回的表示完成状态的Tensor中的值全部为True)。默认为None。 - output_time_major (bool,可选) - 指明最终输出(此方法的第一个返回值)中包含的Tensor的数据布局。如果为False,其将使用batch优先的数据布局, 此时的形状为 。如果为True,其将使用time优先的数据布局,此时的形状为 。默认值为False。
- kwargs - 其他命名关键字参数。这些参数将传递给
decoder.step
。
返回:一个二元组 (final_outputs,final_states)
, 其包含了最终的输出和状态,这两者都是Tensor或Tensor的嵌套结构。final_outputs
具有与 decoder.output_dtype
相同的结构和数据类型, 其中的每个tensor都是对所有解码时间步对应输出的堆叠。 这些tensor也可能会通过 decoder.finalize
进行修改。final_states
是最后时间步的状态,和 decoder.initialize
返回的初始状态具有相同的结构,其中的tensor也具有相同的形状 和数据类型。
返回类型:tuple
示例代码
- import paddle.fluid as fluid
- import paddle.fluid.layers as layers
- from paddle.fluid.layers import GRUCell, BeamSearchDecoder, dynamic_decode
- encoder_output = fluid.data(name="encoder_output",
- shape=[-1, 32, 128],
- dtype="float32")
- trg_embeder = lambda x: fluid.embedding(
- x, size=[10000, 128], param_attr=fluid.ParamAttr(name="trg_embedding"))
- output_layer = lambda x: layers.fc(x,
- size=10000,
- num_flatten_dims=len(x.shape) - 1,
- param_attr=fluid.ParamAttr(name=
- "output_w"),
- bias_attr=False)
- decoder_cell = GRUCell(hidden_size=128)
- decoder = BeamSearchDecoder(decoder_cell,
- start_token=0,
- end_token=1,
- beam_size=4,
- embedding_fn=trg_embeder,
- output_fn=output_layer)
- outputs = dynamic_decode(
- decoder=decoder, inits=decoder_cell.get_initial_states(encoder_output))