1. 功能

實現(xiàn)RNN神經(jīng)網(wǎng)絡的雙向構造，比如LSTM、GRU等等

2.參數(shù)

tf.keras.layers.Bidirectional(layer, merge_mode='concat', weights=None, backward_layer=None,**kwargs )

• layer：選擇模型，如LSTM、GRU
• merge_mode：前向和后向RNN的輸出將被組合的模式。{‘sum’，‘mul’，‘concat’，‘a(chǎn)ve’，None}中的一個。如果為None，則將不合并輸出，它們將作為列表返回。默認值為“ concat”。
• weights：官網(wǎng)也沒有說明。
• backward_layer：處理向后輸入處理的神經(jīng)網(wǎng)絡，如果未提供，則作為參數(shù)傳遞的圖層實例 將用于自動生成后向圖層。

注意：

該層的調(diào)用參數(shù)與包裝的RNN層的調(diào)用參數(shù)相同。請注意，在initial_state此層的調(diào)用期間傳遞參數(shù)時，列表中元素列表的前半部分initial_state 將傳遞給正向RNN調(diào)用，而元素列表中的后半部分將傳遞給后向RNN調(diào)用。

代碼示例：

model = Sequential() model.add(Bidirectional(LSTM(10, return_sequences=True),input_shape=(5, 10))) model.add(Bidirectional(LSTM(10))) model.add(Dense(5)) model.add(Activation('softmax')) model.compile(loss='categorical_crossentropy', optimizer='rmsprop')

總結

以上是生活随笔為你收集整理的包装器 tf.keras.layers.Bidirectional() 介绍的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。