TensorFlow函数教程：tf.nn.static_bidirectional_rnn

tf.nn.static_bidirectional_rnn函数

别名：

• tf.contrib.rnn.static_bidirectional_rnn
• tf.nn.static_bidirectional_rnn

tf.nn.static_bidirectional_rnn(
    cell_fw,
    cell_bw,
    inputs,
    initial_state_fw=None,
    initial_state_bw=None,
    dtype=None,
    sequence_length=None,
    scope=None
)

定义在：tensorflow/python/ops/rnn.py。

创建双向递归神经网络。

类似于上面的单向情况（rnn）但是接受输入并构建独立的前向和反向RNN，最终的前向和反向输出深度级联，这样输出将具有格式[time] [batch] [cell_fw.output_size + cell_bw .output_size。前向和反向单元的input_size必须匹配。默认情况下，两个方向的初始状态为零（但可以选择设置），并且不会返回任何中间状态 - 如果给定序列的长度，网络完全展开，如果没有给定长度，则不展开。

参数：

• cell_fw：RNNCell的一个实例，用于前向。
• cell_bw：RNNCell的一个实例，用于反向。
• inputs：输入的长度为T的列表，每个输入都是一个shape为[batch_size，input_size]的张量，或这些元素的嵌套元组。
• initial_state_fw:（可选）前向RNN的初始状态。这必须是具有适当类型和shape为[batch_size, cell_fw.state_size]的张量。如果cell_fw.state_size是一个元组，这应该是具有shape为[batch_size, s]的张量元组，其中s来自cell_fw.state_size。
• initial_state_bw:（可选）与initial_state_fw相同，但使用cell_bw的相应属性。
• dtype:（可选）初始状态的数据类型。如果未提供任何初始状态，则为必需。
• sequence_length:（可选）int32或int64向量，大小为[batch_size]，包含每个序列的实际长度。
• scope：用于创建子图的VariableScope；默认为“bidirectional_rnn”

返回：

元组（outputs，output_state_fw，output_state_bw）其中：

outputs是长度为T的输出列表（每个输入一个），它们是深度级联的前向和反向输出。output_state_fw是前向rnn的最终状态。output_state_bw是反向rnn的最终状态。

可能引发的异常：

• TypeError：如果cell_fw或cell_bw不是RNNCell的实例。
• ValueError：如果输入为None或空列表。