GRU#

class torch.nn.GRU(input_size, hidden_size, num_layers=1, bias=True, batch_first=False, dropout=0.0, bidirectional=False, device=None, dtype=None)[source]#

将多层门控循环单元 (GRU) RNN 应用于输入序列。对于输入序列中的每个元素，每个层计算以下函数

\begin{array}{ll} 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}) \\ n_t = \tanh(W_{in} x_t + b_{in} + r_t \odot (W_{hn} h_{(t-1)}+ b_{hn})) \\ h_t = (1 - z_t) \odot n_t + z_t \odot h_{(t-1)} \end{array}

其中， $h_t$ 是时间 t 的隐藏状态， $x_t$ 是时间 t 的输入， $h_{(t-1)}$ 是时间 t-1 的层隐藏状态或时间 0 的初始隐藏状态， $r_t$ 、 $z_t$ 、 $n_t$ 分别是重置门、更新门和新门。 $\sigma$ 是 sigmoid 函数， $\odot$ 是阿达玛积（Hadamard product）。

在多层 GRU 中，第 $l$ 层 ( $l \ge 2$ ) 的输入 $x^{(l)}_t$ 是前一层的隐藏状态 $h^{(l-1)}_t$ 乘以 dropout $\delta^{(l-1)}_t$ ，其中每个 $\delta^{(l-1)}_t$ 都是一个伯努利随机变量，其取值为 $0$ 的概率等于 dropout。

参数

input_size – 输入 x 中预期特征的数量
hidden_size – 隐藏状态 h 中的特征数量
num_layers – 循环层的数量。例如，设置 num_layers=2 意味着将两个 GRU 堆叠在一起形成一个堆叠 GRU，其中第二个 GRU 接收第一个 GRU 的输出并计算最终结果。默认值：1
bias – 如果为 False，则层不使用偏差权重 b_ih 和 b_hh。默认值：True
batch_first – 如果为 True，则输入和输出张量以 (batch, seq, feature) 形式提供，而不是 (seq, batch, feature)。请注意，这不适用于隐藏状态或单元状态。有关详细信息，请参阅下面的输入/输出部分。默认值：False
dropout – 如果非零，则在除最后一层之外的每个 GRU 层的输出上引入一个 Dropout 层，dropout 概率等于 dropout。默认值：0
bidirectional – 如果为 True，则成为双向 GRU。默认值：False

输入：input, h_0

input：对于未批处理输入，形状为 $(L, H_{in})$ 的张量；当 batch_first=False 时，形状为 $(L, N, H_{in})$ ，当 batch_first=True 时，形状为 $(N, L, H_{in})$ ，包含输入序列的特征。输入也可以是填充后的可变长度序列。详情请参见 torch.nn.utils.rnn.pack_padded_sequence() 或 torch.nn.utils.rnn.pack_sequence()。
h_0：形状为 $(D * \text{num\_layers}, H_{out})$ 或 $(D * \text{num\_layers}, N, H_{out})$ 的张量，包含输入序列的初始隐藏状态。如果未提供，则默认为零。

其中

\begin{aligned} N ={} & \text{batch size} \\ L ={} & \text{sequence length} \\ D ={} & 2 \text{ if bidirectional=True otherwise } 1 \\ H_{in} ={} & \text{input\_size} \\ H_{out} ={} & \text{hidden\_size} \end{aligned}

输出：output, h_n

output：对于未批处理输入，形状为 $(L, D * H_{out})$ 的张量；当 batch_first=False 时，形状为 $(L, N, D * H_{out})$ ，当 batch_first=True 时，形状为 $(N, L, D * H_{out})$ ，包含 GRU 最后一层在每个 t 的输出特征 (h_t)。如果输入是 torch.nn.utils.rnn.PackedSequence，则输出也将是打包序列。
h_n：形状为 $(D * \text{num\_layers}, H_{out})$ 或 $(D * \text{num\_layers}, N, H_{out})$ 的张量，包含输入序列的最终隐藏状态。

变量

weight_ih_l[k] – 第 $\text{k}^{th}$ 层的可学习输入-隐藏权重 (W_ir|W_iz|W_in)，当 k = 0 时，形状为 (3*hidden_size, input_size)。否则，形状为 (3*hidden_size, num_directions * hidden_size)
weight_hh_l[k] – 第 $\text{k}^{th}$ 层的可学习隐藏-隐藏权重 (W_hr|W_hz|W_hn)，形状为 (3*hidden_size, hidden_size)
bias_ih_l[k] – 第 $\text{k}^{th}$ 层的可学习输入-隐藏偏差 (b_ir|b_iz|b_in)，形状为 (3*hidden_size)
bias_hh_l[k] – 第 $\text{k}^{th}$ 层的可学习隐藏-隐藏偏差 (b_hr|b_hz|b_hn)，形状为 (3*hidden_size)

注意

所有权重和偏差都从 $\mathcal{U}(-\sqrt{k}, \sqrt{k})$ 初始化，其中 $k = \frac{1}{\text{hidden\_size}}$

注意

对于双向 GRU，前向和后向分别为方向 0 和 1。当 batch_first=False 时，分割输出层的示例：output.view(seq_len, batch, num_directions, hidden_size)。

注意

对于未批处理的输入，batch_first 参数被忽略。

注意

新门 $n_t$ 的计算与原始论文和其他框架略有不同。在原始实现中， $r_t$ 和前一个隐藏状态 $h_{(t-1)}$ 之间的阿达玛积 $(\odot)$ 是在与权重矩阵 W 相乘和添加偏差之前完成的

\begin{aligned} n_t = \tanh(W_{in} x_t + b_{in} + W_{hn} ( r_t \odot h_{(t-1)} ) + b_{hn}) \end{aligned}

这与 PyTorch 的实现不同，后者是在 $W_{hn} h_{(t-1)}$ 之后完成的

\begin{aligned} n_t = \tanh(W_{in} x_t + b_{in} + r_t \odot (W_{hn} h_{(t-1)}+ b_{hn})) \end{aligned}

为了效率，此实现方式特意有所不同。

注意

如果满足以下条件，可以选择持久算法以提高性能：1) cudnn 已启用，2) 输入数据在 GPU 上，3) 输入数据 dtype 为 torch.float16，4) 使用 V100 GPU，5) 输入数据未采用 PackedSequence 格式。

示例

>>> rnn = nn.GRU(10, 20, 2)
>>> input = torch.randn(5, 3, 10)
>>> h0 = torch.randn(2, 3, 20)
>>> output, hn = rnn(input, h0)

GRU#

文档

教程

资源