GRUBlockCellGrad

public class akhir GRUBlockCellGrad

Menghitung propagasi balik sel GRU untuk 1 langkah waktu.

Args x: Masukan ke sel GRU. h_prev: Menyatakan input dari sel GRU sebelumnya. w_ru: Matriks bobot untuk gerbang reset dan pembaruan. w_c: Matriks bobot untuk gerbang koneksi sel. b_ru: Vektor bias untuk gerbang reset dan update. b_c: Vektor bias untuk gerbang koneksi sel. r: Output dari gerbang reset. u: Output dari gerbang pembaruan. c: Output dari gerbang koneksi sel. d_h: Gradien dari h_new wrt ke fungsi objektif.

Mengembalikan d_x: Gradien dari x wrt ke fungsi tujuan. d_h_prev: Gradien dari h wrt ke fungsi tujuan. d_c_bar Gradien dari c_bar wrt ke fungsi objektif. d_r_bar_u_bar Gradien dari r_bar & u_bar wrt ke fungsi objektif.

Operasi kernel ini mengimplementasikan persamaan matematika berikut:

Catatan tentang notasi variabel:

Penggabungan a dan b diwakili oleh a_b Hasil kali titik elemen a dan b diwakili oleh ab Produk titik elemen-bijaksana diwakili oleh \circ Perkalian matriks diwakili oleh *

Catatan tambahan untuk kejelasan:

`w_ru` dapat disegmentasikan menjadi 4 matriks yang berbeda.

w_ru = [w_r_x w_u_x
         w_r_h_prev w_u_h_prev]
 

Demikian pula, `w_c` dapat dibagi menjadi 2 matriks yang berbeda.

w_c = [w_c_x w_c_h_prevr]
 

Sama berlaku untuk bias.

b_ru = [b_ru_x b_ru_h]
 b_c = [b_c_x b_c_h]
 

lain catatan pada notasi:

d_x = d_x_component_1 + d_x_component_2
 
 where d_x_component_1 = d_r_bar * w_r_x^T + d_u_bar * w_r_x^T
 and d_x_component_2 = d_c_bar * w_c_x^T
 
 d_h_prev = d_h_prev_component_1 + d_h_prevr \circ r + d_h \circ u
 where d_h_prev_componenet_1 = d_r_bar * w_r_h_prev^T + d_u_bar * w_r_h_prev^T
 

Matematika di balik Gradien bawah:

d_c_bar = d_h \circ (1-u) \circ (1-c \circ c)
 d_u_bar = d_h \circ (h-c) \circ u \circ (1-u)
 
 d_r_bar_u_bar = [d_r_bar d_u_bar]
 
 [d_x_component_1 d_h_prev_component_1] = d_r_bar_u_bar * w_ru^T
 
 [d_x_component_2 d_h_prevr] = d_c_bar * w_c^T
 
 d_x = d_x_component_1 + d_x_component_2
 
 d_h_prev = d_h_prev_component_1 + d_h_prevr \circ r + u
 

(. tidak dalam kernel gradien) Berikut perhitungan dilakukan dalam pembungkus python untuk Gradien

d_w_ru = x_h_prevr^T * d_c_bar
 
 d_w_c = x_h_prev^T * d_r_bar_u_bar
 
 d_b_ru = sum of d_r_bar_u_bar along axis = 0
 
 d_b_c = sum of d_c_bar along axis = 0
 

Metode Publik

statis <T meluas Nomor> GRUBlockCellGrad <T>	membuat ( Lingkup lingkup, Operan <T> x, Operan <T> hPrev, Operan <T> WRU, Operan <T> WC, Operan <T> Bru, Operan <T> bC, Operan <T> r, Operan <T > u, Operan <T> c, Operan <T> dH) Metode pabrik untuk membuat kelas yang membungkus operasi GRUBlockCellGrad baru.
Output <T>	dCBar ()
Output <T>	dHPrev ()
Output <T>	dRBarUBar ()
Output <T>	dX ()

Metode yang Diwarisi

Dari kelas org.tensorflow.op.PrimitiveOp

boolean akhir	sama (Object obj)
akhir	hashCode ()
Operasi	op () Mengembalikan mendasari Operation
string terakhir	toString ()

Dari kelas java.lang.Object

boolean	sama (Object arg0)
Kelas terakhir<?>	getClass ()
ke dalam	hashCode ()
kekosongan akhir	notify ()
kekosongan akhir	notifyAll ()
Rangkaian	toString ()
kekosongan akhir	menunggu (arg0 panjang, int arg1)
kekosongan akhir	menunggu (arg0 panjang)
kekosongan akhir	menunggu ()

Metode Publik

public static GRUBlockCellGrad <T> membuat ( Lingkup lingkup, Operan <T> x, Operan <T> hPrev, Operan <T> WRU, Operan <T> WC, Operan <T> Bru, Operan <T> bC, Operan <T > r, Operan <T> u, Operan <T> c, Operan <T> dH)

Metode pabrik untuk membuat kelas yang membungkus operasi GRUBlockCellGrad baru.

Parameter

cakupan	lingkup saat ini

Kembali

• contoh baru GRUBlockCellGrad

publik Keluaran <T> dCBar ()

publik Keluaran <T> dHPrev ()

publik Keluaran <T> dRBarUBar ()

publik Keluaran <T> dX ()