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：

GRUCell - 图1

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) - GRUCell - 图2 的激活函数。 默认值为 fluid.layers.sigmoid。
    • activation (function，可选) - GRUCell - 图3 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。

示例代码

  1. import paddle.fluid.layers as layers
  2. cell = layers.rnn.GRUCell(hidden_size=256)
  • call(inputs, states)

执行GRU的计算。

  • 参数：
    • input (Variable) - 输入，形状为 GRUCell - 图4 的tensor，对应于公式中的 GRUCell - 图5 。数据类型应为float32。
    • states (Variable) - 状态，形状为 GRUCell - 图6 的tensor。 对应于公式中的 GRUCell - 图7 。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

GRUCell - 图8 ，数据类型和 state 的数据类型相同，对应于公式中的 GRUCell - 图9 。

返回类型：tuple

  • state_shape()

GRUCell的 state_shape 是形状

GRUCell - 图10 （batch大小为-1，自动插入到形状中），对应于 GRUCell - 图11 的形状。

参数：无。

返回：GRUCell的 state_shape。

返回类型：Variable