小筆記. Tensorflow 裡實作的 GRU 跟 Colah’s blog 描述的 GRU 有些不太一樣. 所以做了一下 TF 的 GRU 結構. 圖比較醜, 我盡力了… XD

TF 的 GRU 結構

u 可以想成是原來 LSTM 的 forget gate, 而 c 表示要在 memory cell 中需要記住的內容. 這個要記住的內容簡單講是用一個 gate (r) 來控制之前的 state 有多少比例保留, concate input 後做 activation transform 後得到. 可以對照下面 tf source codes.

TF Source Codes

rnn_cell_impl.py

1


2


3


4


5


6


7


8


9


10大专栏  TF Notes (5), GRU in Tensorflowdiv>

11


12


13


14


15


16


17


18


19


def (self, inputs, state):


  """Gated recurrent unit (GRU) with nunits cells."""




  gate_inputs = math_ops.matmul(


      array_ops.concat([inputs, state], 1), self._gate_kernel)


  gate_inputs = nn_ops.bias_add(gate_inputs, self._gate_bias)




  value = math_ops.sigmoid(gate_inputs)


  r, u = array_ops.split(value=value, num_or_size_splits=2, axis=1)




  r_state = r * state




  candidate = math_ops.matmul(


      array_ops.concat([inputs, r_state], 1), self._candidate_kernel)


  candidate = nn_ops.bias_add(candidate, self._candidate_bias)




  c = self._activation(candidate)


  new_h = u * state + (1 - u) * c


  return new_h, new_h