Decoder

注意：该API仅支持【静态图】模式

Decoder是dynamic_decode中使用的任何decoder实例的基类。它提供了为每一个时间步生成输出的接口，可用于生成序列。

Decoder提供的主要抽象为：

  1. (initial_input, initial_state, finished) = initialize(inits)， 为第一个解码步生成输入和状态，并给出指示batch中的每个序列是否结束的初始标识。

  2. (output, next_state, next_input, finished) = step(time, input, state)， 将输入和状态转换为输出和新的状态，为下一个解码步生成输入，并给出指示batch中的每个序列是否结束的标识。

  3. (final_outputs, final_state) = finalize(outputs, final_state, sequence_lengths)， 修改输出（所有时间步输出的堆叠）和最后的状态以做特殊用途。若无需修改堆叠得到的输出和来自最后一个时间步的状态，则无需实现。

与RNNCell相比，Decoder更为通用，因为返回的 next_input 和 finished 使它可以自行决定输入以及结束时机。

  • initialize(inits)

在解码迭代之前调用一次。

  • 参数：
    • inits - 调用方提供的参数。

返回：一个元组 (initial_inputs, initial_states, finished) 。initial_inputs 和 initial_states 都是单个tensor变量或tensor变量组成的嵌套结构， finished 是具有bool数据类型的tensor。

返回类型：tuple

  • step(time, inputs, states)

在解码的每个时间步中被调用的接口

  • 参数：
    • outputs (Variable) - 单个tensor变量或tensor变量组成的嵌套结构。 结构和数据类型与 output_dtype 相同。 tensor堆叠所有时间步长的输出从而具有shape Decoder - 图1 ，由调用者完成。
    • final_states (Variable) - 单个tensor变量或tensor变量组成的嵌套结构。 它是 decoder.step 在最后一个解码步返回的 next_states， 因此具有与任何时间步长的状态相同的结构，形状和数据类型。

返回：一个元组 (final_outputs, final_states) 。final_outputs 和 final_states 都是单个tensor变量或tensor变量组成的嵌套结构。

返回类型：tuple