dynamic_lstmp

dynamic_lstmp

查看属性与别名

API属性：声明式编程(静态图)专用API

paddle.fluid.layers.dynamic_lstmp ( input, size, proj_size, param_attr=None, bias_attr=None, use_peepholes=True, is_reverse=False, gate_activation=’sigmoid’, cell_activation=’tanh’, candidate_activation=’tanh’, proj_activation=’tanh’, dtype=’float32’, name=None, h_0=None, c_0=None, cell_clip=None, proj_clip=None ) [源代码]

注解

在实现的时候为了提升效率，用户必须将输入先进行线性映射，将维度为 [T, hidden_size] 的输入映射为 [T, 4×hidden_size] 输入，然后再传给该OP。

该OP实现了LSTMP（LSTM Projected）层。LSTMP层在LSTM层之后有一个单独的的线性映射层。 — Sak, H., Senior, A., & Beaufays, F. (2014)。

与标准的LSTM层相比，LSTMP多出来的线性映射层，用于从原始隐藏状态

映射到较低维的状态

，从而减少参数总数和计算复杂度，特别是输出单元相对较大的情况下。

该OP的默认实现方式为 diagonal/peephole 连接，参见 Gers, F. A., & Schmidhuber, J. (2000)。如果需要禁用 peephole 连接方法，将 use_peepholes 设为 False 即可。

该OP对于序列中每一个时间步的计算公式如下：

公式中的概念信息如下：

表示时间步

的输入
表示时间步

的 hidden 状态
: 隐藏状态循环的映射输出的状态
分别表示前一个时间步的 hidden 状态，cell 状态和循环映射输出状态
表示候选的 cell 状态
，

和

分别为 input gate，forget gate，output gate
表示 weight （例如，

是在计算 input gate

时，对输入

做线性变换的 weight）
表示 bias （例如，

是 input gate 的 bias）
表示 gate 的非线性激活函数，默认为 sigmoid
分别表示 cell 输入 cell 输出和映射输出的非线性激活函数，默认为 tanh
表示矩阵的 Hadamard product，即对两个维度相同的矩阵，将相同位置的元素相乘，得到另一个维度相同的矩阵

参数

input ( Variable ) 维度为

的多维 LoDTensor（必须在传入该OP前对维度为

的输入经过线性变换得到），其中 T 为 batch 中所有样本的长度之和，hidden_size 为隐层大小，数据类型为 float32 或者 float64。

size (int) – 必须为 4 * hidden_size。

proj_size (int) - 投影映射输出的大小。

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 。

说明:

隐藏状态到隐藏状态（Hidden-hidden）权重 =

，维度为 [P, 4*hidden_size] ，P是投影大小

投影（Projection）权重 =

，维度为 [D, P]

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 。

说明:

use_peepholes = False

Biases = {

}

维度为 [1, 4*hidden_size]
4.  use\_peepholes = True
    -   Biases = {
        ![](/projects/paddlepaddle-1.8-zh/ac9442da56f977b58c1dcce3fa14da0f.png)
        }
    -   维度为 \[1, 7\*hidden\_size\]
use_peepholes (bool，可选) - 是否使用 peephole 连接。默认值为True。

is_reverse (bool，可选) - 是否计算反向LSTM，默认值为False。

gate_activation (str，可选) - 应用于input gate，forget gate， output gate 的激活函数。可选值包括 sigmoid，tanh，relu，identity。默认值为 sigmoid。

cell_activation (str，可选) - cell输出的激活函数。可选值包括 sigmoid，tanh，relu，identity。默认值为 tanh。

candidate_activation (str，可选) - 候选隐藏状态（candidate hidden state）的激活状态。可选值包括 sigmoid，tanh，relu，identity。默认值为 tanh。

proj_activation (str，可选) - 投影输出的激活函数。可选值包括 sigmoid，tanh，relu，identity。默认值为 tanh。

dtype (str，可选) - 数据类型。可选值包括 float32，float64。默认值为 float32。

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

h_0 ( Variable ，可选) 维度为

的多维 Tensor。如果为 None，该OP会自动设置为全0的向量。默认值为None。

c_0 ( Variable ，可选) 维度为

的多维 Tensor。如果为 None，该OP会自动设置为全0的向量；

如果要设置为None，必须同时为None。默认值为None。

cell_clip (float，可选) - 如果该参数不为None，则在单元输出激活之前，单元状态将被此值剪裁。默认值为None。

proj_clip (float，可选) - 如果 num_proj > 0 并且 proj_clip 不为None，那么将投影值沿元素方向剪切到[-proj_clip，proj_clip]内。默认值为None。

经过lstmp运算输出的 hidden 的映射和 cell 状态的tuple，包括

hidden：LSTM hidden的输出结果，维度为

的LoDTensor，且LoD保持与输入一致，数据类型与input一致。
cell：LSTM cell的输出结果，维度为

的LoDTensor，且LoD保持与输入一致，数据类型与input一致。

返回类型

tuple（ Variable , Variable ）

代码示例

import paddle.fluid as fluid
dict_dim, emb_dim = 128, 64
data = fluid.layers.data(name='sequence', shape=[1],
                    dtype='int32', lod_level=1)
emb = fluid.layers.embedding(input=data, size=[dict_dim, emb_dim])
hidden_dim, proj_dim = 512, 256
fc_out = fluid.layers.fc(input=emb, size=hidden_dim * 4,
                    act=None, bias_attr=None)
proj_out, cell = fluid.layers.dynamic_lstmp(input=fc_out,
                                    size=hidden_dim * 4,
                                    proj_size=proj_dim,
                                    use_peepholes=False,
                                    is_reverse=True,
                                    cell_activation="tanh",
                                    proj_activation="tanh")
proj_out.shape  # (-1, 256)
cell.shape  # (-1, 512)