LSTMCell

class paddle.fluid.layers.LSTMCell ( hidden_size, param_attr\=None, bias_attr\=None, gate_activation\=None, activation\=None, forget_bias\=1.0, dtype\=’float32’, name\=’LSTMCell’ ) [源代码]

长短期记忆单元（Long-Short Term Memory）。通过对 fluid.contrib.layers.rnn_impl.BasicLSTMUnit 包装，来让它可以应用于RNNCell。

公式如下：

更多细节可以参考 RECURRENT NEURAL NETWORK REGULARIZATION

参数：

• hidden_size (int) - LSTMCell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) -

  

  的激活函数。 默认值为 fluid.layers.sigmoid。

• activation (function，可选) -

  

  的激活函数。 默认值为 fluid.layers.tanh。

• forget_bias (float，可选) - 计算遗忘们时使用的遗忘偏置。默认值为 1.0。

• dtype (string，可选) - 此Cell中使用的数据类型。 默认值为 float32。

• name (string，可选) - 用于标识参数和偏差的名称域。

返回：LSTMCell类的实例对象。

示例代码

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

call ( inputs, states )

执行GRU的计算。

参数：

• input (Variable) - 输入，形状为

  

  的tensor，对应于公式中的

  

  。数据类型应为float32。

• states (Variable) - 状态，包含两个tensor的列表，每个tensor形状为

  

  。 对应于公式中的

  

  。数据类型应为float32。

返回：一个元组 (outputs, new_states)，其中 outputs 是形状为 [batch_size，hidden_size][batch_size，hidden_size] 的tensor，对应于公式中的 htht；new_states 是一个列表，包含形状为 [batchsize，hiddensize][batchsize，hiddensize] 的两个tensor变量，它们对应于公式中的 ht,ctht,ct。这些tensor的数据类型都与 state 的数据类型相同。

返回类型：tuple

state_shape ( )

LSTMCell的 state_shape 是一个具有两个形状的列表：[[hidden_size],[hidden_size]][[hidden_size],[hidden_size]] （batch大小为-1，自动插入到形状中）。 这两个形状分别对应于公式中的 ht−1ht−1 and ct−1ct−1。

参数：无。

返回：LSTMCell的 state_shape

返回类型：list