适用于 RNN 的 Keras
与 TensorFlow 相比,在 Keras 中创建 RNN 要容易得多。正如您在第 3 章中学到的,Keras 提供了用于创建循环网络的函数式和顺序 API。要构建 RNN 模型,您必须从kera.layers.recurrent
模块添加层。 Keras 在keras.layers.recurrent
模块中提供以下类型的循环层:
- SimpleRNN
- LSTM
- GRU
有状态模型
Keras 复现层还支持 RNN 模型,可在批次之间保存状态。您可以通过将stateful
参数作为True
传递来创建有状态 RNN,LSTM 或 GRU 模型。对于有状态模型,为输入指定的批量大小必须是固定值。在有状态模型中,从训练批次中学到的隐藏状态将重新用于下一批。如果您想在训练期间的某个时刻重置内存,可以通过调用model.reset_states()
或layer.reset_states()
函数使用额外的代码来完成。
我们将在下一章中看到使用 Keras 构建 RNN 的示例。
有关 Keras Recurrent Layers 的最新文档可在以下链接中找到:https://keras.io/layers/recurrent/.