row_conv¶

paddle.static.nn. row_conv ( input, future_context_size, param_attr=None, act=None ) [源代码] ¶

api_attr

声明式编程模式（静态图)

该接口为行卷积（Row-convolution operator）或称之为超前卷积（lookahead convolution），最早介绍于DeepSpeech2论文中，论文链接：

http://www.cs.cmu.edu/~dyogatam/papers/wang+etal.iclrworkshop2016.pdf

双向的RNN在深度语音模型中很有用，它通过对整个序列执行正向和反向传递来学习序列的表示。然而，与单向RNNs不同的是，在线部署和低延迟设置中，双向RNNs具有难度。超前卷积将来自未来子序列的信息以一种高效的方式进行计算，以改进单向递归神经网络。 row convolution operator 与一维序列卷积不同，计算方法如下:

给定输入序列长度为 \(t\) 的输入序列 \(X\) 和输入维度 \(D\) ，以及一个大小为 \(context * D\) 的滤波器 \(W\) ，输出序列卷积为:

公式中：

• \(out_i\) : 第i行输出变量形为[1, D].

• \(context\) ： 下文（future context）大小

• \(X_j\) : 第j行输出变量,形为[1，D]

• \(W_{j-i}\) : 第(j-i)行参数，其形状为[1,D]。

详细请参考 设计文档 。

参数:

• input (Tensor) -- 支持输入为LodTensor和Tensor，输入类型可以是[float32, float64]，它支持可变时间长度的输入序列。当输入input为LodTensor时，其内部张量是一个具有形状(T x N)的矩阵，其中T是这个mini batch中的总的timestep，N是输入数据维数。当输入input为Tensor时，其形状为(B x T x N)的三维矩阵，B为mini batch大小，T为每个batch输入中的最大timestep，N是输入数据维数。当输入input为LoDTensor，形状为[9, N],LoD信息为[2, 3, 4]，等价于输入input为形状是[3, 4, N]的Tensor。

• future_context_size (int) -- 下文大小。请注意，卷积核的shape是[future_context_size + 1, N]，N和输入input的数据维度N保持一致。

• param_attr (ParamAttr) -- 参数的属性，包括名称、初始化器等。

• act (str) -- 非线性激活函数。

返回：表示row_conv计算结果的Tensor，数据类型、维度和输入input相同。

代码示例

# LoDTensor input
x = paddle.static.data(name='x', shape=[9, 16],
                      dtype='float32', lod_level=3,
                      append_batch_size=False)
out = paddle.static.nn.row_conv(input=x, future_context_size=2)

# Tensor input
x = paddle.static.data(name='x', shape=[9, 4, 16],
                      dtype='float32',
                      append_batch_size=False)
out = paddle.static.nn.row_conv(input=x, future_context_size=2)