BidirectionLSTMV2

产品支持情况

产品	是否支持
Ascend 950PR/Ascend 950DT	×
Atlas A3 训练系列产品/Atlas A3 推理系列产品	×
Atlas A2 训练系列产品/Atlas A2 推理系列产品	×
Atlas 200I/500 A2 推理产品	×
Atlas 推理系列产品	√
Atlas 训练系列产品	×

功能说明

• 算子功能：LSTM（Long Short-Term Memory，长短时记忆）网络是一种特殊的循环神经网络（RNN）模型。进行LSTM网络计算，接收输入序列和初始状态，返回输出序列和最终状态。相比aclnnBidirectionLSTM新增了Sequence不等长场景。

• 计算公式：

  $$\begin{gathered} f_t=sigm(W_f[h_{t-1},x_t]+b_f) \\ {i}_t=sigm(W_i[h_{t-1},x_t]+b_i) \\ {o}_t=sigm(W_o[h_{t-1},x_t]+b_o) \\ {\tilde{c}}_t=tanh(W_c[h_{t-1},x_t]+b_c) \\ {c}_t=f_t\odot c_{t-1}+i_t\odot {\tilde{c}}_t \\ {c}_o^t=tanh(c_t) \\ {h}_t=o_t\odot c_o^t \end{gathered}$$

  • $x_t\in R^d$：LSTM单元的输入向量。
  • $f_t\in (0,1{)}^h$：遗忘门激活向量。
  • $i_t\in (0,1{)}^h$：输入门、更新门激活向量。
  • $o_t\in (0,1{)}^h$：输出门激活向量。
  • $h_i\in (-1,1{)}^h$：隐藏状态向量，也称为LSTM单元的输出向量。
  • ${\tilde{c}}_t\in (-1,1{)}^h$：cell输入激活向量。
  • $c_t\in R^h$：cell状态向量。
  • $W\in R^{h\times d}，(U\in R^{h\times h})\cap (b\in R^h)$：训练中需要学习的权重矩阵和偏置向量参数。

参数说明

参数名	输入/输出/属性	描述	数据类型	数据格式
x	输入	LSTM单元的输入向量，公式中的x。	FLOAT16	ND
initH	输入	初始化hidden状态，公式中的h。	FLOAT16	ND
initC	输入	初始化cell状态，公式中的c。	FLOAT16	ND
wIh	输入	input-hidden权重，公式中的W。	FLOAT16	ND
wHh	输入	hidden-hidden权重，公式中的W。	FLOAT16	ND
bIhOptional	输入	input-hidden偏移，公式中的b。	FLOAT16	ND
bHhOptional	输入	hidden-hidden偏移，公式中的b。	FLOAT16	ND
wIhReverseOptional	输入	逆向input-hidden权重，公式中的W。	FLOAT16	ND
wHhReverseOptional	输入	逆向hidden-hidden权重，公式中的W。	FLOAT16	ND
bIhReverseOptional	输入	逆向input-hidden偏移，公式中的b。	FLOAT16	ND
bHhReverseOptional	输入	逆向hidden-hidden偏移，公式中的b。	FLOAT16	ND
batchSizeOptional	输入	每轮迭代实际参与计算的batch_size。	INT	ND
numLayers	属性	表示LSTM层数。当前只支持1。	INT	-
isbias	属性	表示是否有bias。	BOOL	-
batchFirst	属性	表示batch是否是第一维。当前只支持false。	BOOL	-
bidirection	属性	表示是否是双向。	BOOL	-
packed	属性	表示输入x是否压缩。仅在batchSizeOptional不为空时生效。	BOOL	-
yOut	输出	LSTM单元的输出向量。	FLOAT16	ND
outputHOut	输出	最终hidden状态，公式中的h。	FLOAT16	ND
outputCOut	输出	最终cell状态，公式中的c。	FLOAT16	ND

约束说明

无

调用说明

调用方式	调用样例	说明
aclnn调用	test_aclnn_bidirection_lstmv2	通过aclnnBidirectionLSTMV2接口方式调用BidirectionLSTMV2算子。