Класс Bidirectional

Класс Bidirectional применяется к рекуррентным слоям для создания двунаправленной сети. Первым параметром передается экземпляр рекуррентного слоя, например LSTM, GRU или SimpleRNN. Вторым параметром можно указать режим объединения результатов merge_mode, который определяет, как складываются выходы прямого и обратного проходов. Третьим параметром передается имя слоя name. По умолчанию используется режим 'concat', который объединяет выходы по последней оси.

Синтаксис

tf.keras.layers.Bidirectional(layer, [merge_mode], [name])

Пример

Давайте создадим двунаправленный слой на основе SimpleRNN и применим его к входной последовательности:

import tensorflow as tf

tf.random.set_seed(0)

model = tf.keras.Sequential([
	tf.keras.layers.Input(shape=(5, 3)),
	tf.keras.layers.Bidirectional(tf.keras.layers.SimpleRNN(4))
])

t = tf.constant([[[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12], [13, 14, 15]]], dtype=tf.float32)
res = model(t)
print(res.shape)

Результат выполнения кода:

(1, 8)

Пример

Давайте создадим двунаправленный слой с режимом объединения 'sum':

import tensorflow as tf

tf.random.set_seed(0)

model = tf.keras.Sequential([
	tf.keras.layers.Input(shape=(5, 3)),
	tf.keras.layers.Bidirectional(tf.keras.layers.SimpleRNN(4), merge_mode='sum')
])

t = tf.constant([[[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12], [13, 14, 15]]], dtype=tf.float32)
res = model(t)
print(res.shape)

Результат выполнения кода:

(1, 4)

Пример

Давайте создадим двунаправленный слой с режимом объединения 'ave':

import tensorflow as tf

tf.random.set_seed(0)

model = tf.keras.Sequential([
	tf.keras.layers.Input(shape=(5, 3)),
	tf.keras.layers.Bidirectional(tf.keras.layers.SimpleRNN(4), merge_mode='ave')
])

t = tf.constant([[[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12], [13, 14, 15]]], dtype=tf.float32)
res = model(t)
print(res.shape)

Результат выполнения кода:

(1, 4)

Смотрите также

слой LSTM,
который представляет собой долгую краткосрочную память
слой GRU,
который представляет собой управляемый рекуррентный блок
слой SimpleRNN,
который представляет собой простую рекуррентную сеть
слой TimeDistributed,
который применяет слой к каждому временному шагу