dynamic_lstmp¶
- paddle.fluid.layers. dynamic_lstmp ( input, size, proj_size, param_attr=None, bias_attr=None, use_peepholes=True, is_reverse=False, gate_activation='sigmoid', cell_activation='tanh', candidate_activation='tanh', proj_activation='tanh', dtype='float32', name=None, h_0=None, c_0=None, cell_clip=None, proj_clip=None ) [源代码] ¶
注解
在实现的时候为了提升效率,用户必须将输入先进行线性映射,将维度为 [T, hidden_size] 的输入映射为 [T, 4×hidden_size] 输入,然后再传给该OP。
该OP实现了LSTMP(LSTM Projected)层。LSTMP层在LSTM层之后有一个单独的的线性映射层。-- Sak, H., Senior, A., & Beaufays, F. (2014) 。
与标准的LSTM层相比,LSTMP多出来的线性映射层,用于从原始隐藏状态 \(h_t\) 映射到较低维的状态 \(r_t\), 从而减少参数总数和计算复杂度,特别是输出单元相对较大的情况下。
该OP的默认实现方式为 diagonal/peephole 连接,参见 Gers, F. A., & Schmidhuber, J. (2000) 。 如果需要禁用 peephole 连接方法,将 use_peepholes 设为 False 即可。
该OP对于序列中每一个时间步的计算公式如下:
- 公式中的概念信息如下:
-
\(x_{t}\) 表示时间步 \(t\) 的输入
\(h_{t}\) 表示时间步 \(t\) 的 hidden 状态
\(r_{t}\):隐藏状态循环的映射输出的状态
\(h_{t-1}, c_{t-1}, r_{t-1}\) 分别表示前一个时间步的 hidden 状态,cell 状态和循环映射输出状态
\(\widetilde{c_t}\) 表示候选的 cell 状态
\(i_t\) ,\(f_t\) 和 \(o_t\) 分别为 input gate,forget gate,output gate
\(W\) 表示 weight (例如,\(W_{ix}\) 是在计算 input gate \(i_t\) 时,对输入 \(x_{t}\) 做线性变换的 weight)
\(b\) 表示 bias (例如,\(b_{i}\) 是 input gate 的 bias)
\(\sigma\) 表示 gate 的非线性激活函数,默认为 sigmoid
\(act_g, act_h, \overline{act_h}\) 分别表示 cell 输入 cell 输出和映射输出的非线性激活函数,默认为 tanh
\(\odot\) 表示矩阵的 Hadamard product,即对两个维度相同的矩阵,将相同位置的元素相乘,得到另一个维度相同的矩阵
参数¶
input ( Variable ) 维度为 \([T, 4*hidden\_size]\) 的多维 LoDTensor(必须在传入该OP前对维度为 \([T, hidden\_size]\) 的输入经过线性变换得到),其中 T 为 batch 中所有样本的长度之和,hidden_size 为隐层大小,数据类型为 float32 或者 float64。
size (int) – 必须为 4 * hidden_size。
proj_size (int) - 投影映射输出的大小。
param_attr (ParamAttr,可选) - 指定权重参数属性的对象。默认值为None,表示使用默认的权重参数属性。具体用法请参见 ParamAttr 。
- 说明:
隐藏状态到隐藏状态(Hidden-hidden)权重 = \(\{ W_{cr},W_{ir},W_{fr},W_{or} \}\),维度为 [P, 4*hidden_size] ,P是投影大小
投影(Projection)权重 = \(\{ W_{rh} \}\),维度为 [D, P]
bias_attr (ParamAttr,可选) - 指定偏置参数属性的对象。默认值为None,表示使用默认的偏置参数属性。具体用法请参见 ParamAttr 。
- 说明:
- use_peepholes = False
Biases = { \(b_{c},b_{i},b_{f},b_{o}\)}
维度为 [1, 4*hidden_size]
- use_peepholes = True
Biases = { \(b_{c},b_{i},b_{f},b_{o},W_{ic},W_{fc},W_{oc}\)}
维度为 [1, 7*hidden_size]
use_peepholes (bool,可选) - 是否使用 peephole 连接。默认值为True。
is_reverse (bool,可选) - 是否计算反向LSTM,默认值为False。
gate_activation (str,可选) - 应用于input gate,forget gate, output gate 的激活函数。可选值包括 sigmoid,tanh,relu,identity。默认值为 sigmoid。
cell_activation (str,可选) - cell输出的激活函数。可选值包括 sigmoid,tanh,relu,identity。默认值为 tanh。
candidate_activation (str,可选) - 候选隐藏状态(candidate hidden state)的激活状态。可选值包括 sigmoid,tanh,relu,identity。默认值为 tanh。
proj_activation (str,可选) - 投影输出的激活函数。可选值包括 sigmoid,tanh,relu,identity。默认值为 tanh。
dtype (str,可选) - 数据类型。可选值包括 float32,float64。默认值为 float32。
name (str,可选) - 具体用法请参见 Name,一般无需设置,默认值为 None。
h_0 ( Variable,可选) 维度为 \([batch\_size, hidden\_size]\) 的多维 Tensor。如果为 None,该OP会自动设置为全0的向量。默认值为None。
c_0 ( Variable,可选) 维度为 \([batch\_size, hidden\_size]\) 的多维 Tensor。如果为 None,该OP会自动设置为全0的向量;\(h_0, c_0\) 如果要设置为None,必须同时为None。默认值为None。
cell_clip (float,可选) - 如果该参数不为None,则在单元输出激活之前,单元状态将被此值剪裁。默认值为None。
proj_clip (float,可选) - 如果 num_proj > 0 并且 proj_clip 不为None,那么将投影值沿元素方向剪切到[-proj_clip,proj_clip]内。默认值为None。
返回¶
经过lstmp运算输出的 hidden 的映射和 cell 状态的tuple,包括
hidden:LSTM hidden的输出结果,维度为 \([T, P]\) 的LoDTensor,且LoD保持与输入一致,数据类型与input一致。
cell:LSTM cell的输出结果,维度为 \([T, hidden\_size]\) 的LoDTensor,且LoD保持与输入一致,数据类型与input一致。
代码示例¶
import paddle.fluid as fluid
dict_dim, emb_dim = 128, 64
data = fluid.data(name='sequence', shape=[None], dtype='int64', lod_level=1)
emb = fluid.embedding(input=data, size=[dict_dim, emb_dim])
hidden_dim, proj_dim = 512, 256
fc_out = fluid.layers.fc(input=emb, size=hidden_dim * 4,
act=None, bias_attr=None)
proj_out, last_c = fluid.layers.dynamic_lstmp(input=fc_out,
size=hidden_dim * 4,
proj_size=proj_dim,
use_peepholes=False,
is_reverse=True,
cell_activation="tanh",
proj_activation="tanh")
proj_out.shape # (-1, 256)
last_c.shape # (-1, 512)