public struct SimpleRNNCell<Scalar> : RNNCell where Scalar : TensorFlowFloatingPoint
یک سلول RNN ساده.
اعلام
public var weight: Tensor<Scalar>
اعلام
public var bias: Tensor<Scalar>
اعلام
public struct State : Equatable, Differentiable, VectorProtocol, KeyPathIterable
اعلام
public typealias TimeStepInput = Tensor<Scalar>
اعلام
public typealias TimeStepOutput = State
اعلام
public typealias Input = RNNCellInput<TimeStepInput, State>
اعلام
public typealias Output = RNNCellOutput<TimeStepOutput, State>
یک
SimpleRNNCell
با اندازه ورودی مشخص شده و اندازه حالت پنهان ایجاد می کند.اعلام
public init(inputSize: Int, hiddenSize: Int, seed: TensorFlowSeed = Context.local.randomSeed)
مولفه های
inputSize
تعداد ویژگی ها در تانسورهای ورودی دوبعدی.
hiddenSize
تعداد ویژگی ها در حالت های پنهان دو بعدی.
seed
دانه تصادفی برای مقداردهی اولیه. مقدار پیش فرض تصادفی است.
public struct SimpleRNNCell<Scalar> : RNNCell where Scalar : TensorFlowFloatingPoint
یک سلول RNN ساده.
اعلام
public var weight: Tensor<Scalar>
اعلام
public var bias: Tensor<Scalar>
اعلام
public struct State : Equatable, Differentiable, VectorProtocol, KeyPathIterable
اعلام
public typealias TimeStepInput = Tensor<Scalar>
اعلام
public typealias TimeStepOutput = State
اعلام
public typealias Input = RNNCellInput<TimeStepInput, State>
اعلام
public typealias Output = RNNCellOutput<TimeStepOutput, State>
یک
SimpleRNNCell
با اندازه ورودی مشخص شده و اندازه حالت پنهان ایجاد می کند.اعلام
public init(inputSize: Int, hiddenSize: Int, seed: TensorFlowSeed = Context.local.randomSeed)
مولفه های
inputSize
تعداد ویژگی ها در تانسورهای ورودی دوبعدی.
hiddenSize
تعداد ویژگی ها در حالت های پنهان دو بعدی.
seed
دانه تصادفی برای مقداردهی اولیه. مقدار پیش فرض تصادفی است.