BasicDecoder

class paddle.fluid.layers.BasicDecoder(cell, helper, output_fn=None)[源代码]

BasicDecoder是 Decoder 的子类,它组装了 RNNCellDecodeHelper 的实例作为成员,其中DecodeHelper用来实现不同的解码策略。它依次执行以下步骤来完成单步解码:

  1. 执行 cell_outputs, cell_states = cell.call(inputs, states) 以获取输出和新的状态。
  2. 执行 sample_ids = helper.sample(time, cell_outputs, cell_states) 以采样id并将其作为当前步的解码结果。
  3. 执行 finished, next_inputs, next_states = helper.next_inputs(time, cell_outputs, cell_states, sample_ids) 以产生下一解码步的结束标识、输入和状态。

参数

  • cell (RNNCell) - RNNCell的实例或者具有相同接口定义的对象。
  • helper (DecodeHelper) - DecodeHelper的实例。
  • output_fn (可选) - 处理cell输出的接口,在采样之前使用。默认值None。

代码示例

  1. import paddle.fluid as fluid
  2. import paddle.fluid.layers as layers
  3. start_tokens = fluid.data(name="start_tokens",
  4. shape=[None],
  5. dtype="int64")
  6. trg_embeder = lambda x: fluid.embedding(
  7. x, size=[10000, 128], param_attr=fluid.ParamAttr(name="trg_embedding"))
  8. output_layer = lambda x: layers.fc(x,
  9. size=10000,
  10. num_flatten_dims=len(x.shape) - 1,
  11. param_attr=fluid.ParamAttr(name=
  12. "output_w"),
  13. bias_attr=False)
  14. helper = layers.SampleEmbeddingHelper(trg_embeder, start_tokens=start_tokens, end_token=1)
  15. decoder_cell = layers.GRUCell(hidden_size=128)
  16. decoder = layers.BasicDecoder(decoder_cell, helper, output_fn=output_layer)
  17. outputs = layers.dynamic_decode(
  18. decoder=decoder, inits=decoder_cell.get_initial_states(start_tokens))

initialize(initial_cell_states)

初始化,包括helper的初始化和cell的初始化,cell初始化直接使用 initial_cell_states 作为结果。

参数:

  • initial_cell_states (Variable) - 单个tensor变量或tensor变量组成的嵌套结构。这是由调用者 dynamic_decode 提供的参数。

返回:(initial_inputs, initial_states, finished) 的三元组。 initial_inputs, initial_states 均是单个tensor变量或tensor变量组成的嵌套结构, finished 是bool类型的tensor。 initial_inputs, finishedhelper.initialize() 返回的内容相同; initial_states 与输入参数中的 initial_cell_states 的相同。

返回类型:tuple

class OutputWrapper(cell_outputs, sample_ids)

step() 的返回值中 outputs 使用的数据结构,是一个由 cell_outputssample_ids 这两个字段构成的命名元组。

step(time, inputs, states, \*kwargs*)

按照以下步骤执行单步解码:

  1. 执行 cell_outputs, cell_states = cell.call(inputs, states) 以获取输出和新的状态。
  2. 执行 sample_ids = helper.sample(time, cell_outputs, cell_states) 以采样id并将其作为当前步的解码结果。
  3. 执行 finished, next_inputs, next_states = helper.next_inputs(time, cell_outputs, cell_states, sample_ids) 以产生下一解码步的结束标识、输入和状态。

参数:

  • time (Variable) - 调用者提供的形状为[1]的tensor,表示当前解码的时间步长。其数据类型为int64。
  • inputs (Variable) - tensor变量。在第一个解码时间步时与由 initialize() 返回的 initial_inputs 相同,其他时间步与由 step() 返回的 next_inputs 相同。
  • states (Variable) - tensor变量的结构。在第一个解码时间步时与 initialize() 返回的 initial_states 相同,其他时间步与由 step() 返回的 next_states 相同。
  • kwargs - 附加的关键字参数,由调用者 dynamic_decode 提供。

返回: (outputs, next_states, next_inputs, finished) 的四元组。 outputs 是包含 cell_outputssample_ids 两个字段的命名元组,其中 cell_outputscell.call() 的结果, sample_idshelper.sample() 的结果; next_states, next_inputs 分别和输入参数中的 states, inputs 有相同的的结构、形状和数据类型; finished 是一个bool类型的tensor,形状是

BasicDecoder - 图1

返回类型:tuple