.. py:class:: paddle.nn.GRUCell(input_size, hidden_size, weight_ih_attr=None, weight_hh_attr=None, bias_ih_attr=None, bias_hh_attr=None, name=None)
门控循环单元
该 OP 是门控循环单元(GRUCell),根据当前时刻输入 x(t)和上一时刻状态 h(t-1)计算当前时刻输出 y(t)并更新状态 h(t)。
状态更新公式如下:
r_{t} & = \sigma(W_{ir}x_{t} + b_{ir} + W_{hr}h_{t-1} + b_{hr})
z_{t} & = \sigma(W_{iz}x_{t} + b_{iz} + W_{hz}h_{t-1} + b_{hz})
\widetilde{h}_{t} & = \tanh(W_{ic}x_{t} + b_{ic} + r_{t} * (W_{hc}h_{t-1} + b_{hc}))
h_{t} & = z_{t} * h_{t-1} + (1 - z_{t}) * \widetilde{h}_{t}
y_{t} & = h_{t}
其中:
- \sigma :sigmoid 激活函数。
详情请参考论文:An Empirical Exploration of Recurrent Network Architectures 。
- input_size (int) - 输入的大小。
- hidden_size (int) - 隐藏状态大小。
- weight_ih_attr (ParamAttr,可选) - weight_ih 的参数。默认为 None。
- weight_hh_attr (ParamAttr,可选) - weight_hh 的参数。默认为 None。
- bias_ih_attr (ParamAttr,可选) - bias_ih 的参数。默认为 None。
- bias_hh_attr (ParamAttr,可选) - bias_hh 的参数。默认为 None。
- name (str,可选) - 具体用法请参见 :ref:`api_guide_Name`,一般无需设置,默认值为 None。
- weight_ih (Parameter) - input 到 hidden 的变换矩阵的权重。形状为(3 * hidden_size, input_size)。对应公式中的 W_{ir}, W_{iz}, W_{ic}。
- weight_hh (Parameter) - hidden 到 hidden 的变换矩阵的权重。形状为(3 * hidden_size, hidden_size)。对应公式中的 W_{hr}, W_{hz}, W_{hc}。
- bias_ih (Parameter) - input 到 hidden 的变换矩阵的偏置。形状为(3 * hidden_size, )。对应公式中的 b_{ir}, b_{iz}, b_{ic}。
- bias_hh (Parameter) - hidden 到 hidden 的变换矩阵的偏置。形状为(3 * hidden_size, )。对应公式中的 b_{hr}, b_{hz}, b_{hc}。
- inputs (Tensor) - 输入。形状为[batch_size, input_size],对应公式中的 x_t。
- states (Tensor,可选) - 上一轮的隐藏状态。对应公式中的 h_{t-1}。当 state 为 None 的时候,初始状态为全 0 矩阵。默认为 None。
- 输出:
- outputs (Tensor) - 输出。形状为[batch_size, hidden_size],对应公式中的 h_{t}。
- new_states (Tensor) - 新一轮的隐藏状态。形状为[batch_size, hidden_size],对应公式中的 h_{t}。
Note
所有的变换矩阵的权重和偏置都默认初始化为 Uniform(-std, std),其中 std = \frac{1}{\sqrt{hidden\_size}}。对于参数初始化,详情请参考 :ref:`cn_api_fluid_ParamAttr`。
COPY-FROM: paddle.nn.GRUCell