Dense

@frozen
public struct Dense<Scalar> : Layer where Scalar : TensorFlowFloatingPoint

Une couche de réseau neuronal densément connectée.

Dense implémente l'opération activation(matmul(input, weight) + bias) , où weight est une matrice de poids, bias est un vecteur de biais et activation est une fonction d'activation par élément.

Cette couche prend également en charge les tenseurs de poids 3D avec des matrices de biais 2D. Dans ce cas, la première dimension des deux est traitée comme la taille du lot qui est alignée avec la première dimension d' input et la variante par lots de l'opération matmul(_:_:) est utilisée, utilisant ainsi un poids et un biais différents pour chaque élément. dans le lot d'entrée.

• poids
  La matrice de poids.

  Déclaration

  public var weight: Tensor<Scalar>

• biais
  Le vecteur de biais.

  Déclaration

  public var bias: Tensor<Scalar>

• Activation
  La fonction d'activation par élément.

  Déclaration

  @noDerivative
  public let activation: Activation

• Activation
  Le type de fonction d’activation par élément.

  Déclaration

  public typealias Activation = @differentiable (Tensor<Scalar>) -> Tensor<Scalar>

• init (poids: biais: activation :)
  Crée une instance à partir du poids donné, du biais facultatif et de la fonction d'activation.

  Note

  actuellement, weight est le seul paramètre de différentiabilité. bias peut devenir un paramètre de différentiabilité après que Optional soit conditionnellement conforme à Differentiable : TF-499.

  Déclaration

  @differentiable(wrt: weight)
  public init(
    weight: Tensor<Scalar>,
    bias: Tensor<Scalar>? = nil,
    activation: @escaping Activation
  )

• avant(_:)
  Renvoie le résultat obtenu en appliquant le calque à l’entrée donnée.

  Déclaration

  @differentiable
  public func forward(_ input: Tensor<Scalar>) -> Tensor<Scalar>

  Paramètres

  input

  L'entrée dans le calque.

  Valeur de retour

  Le résultat.

• init (inputSize:outputSize:activation:useBias:weightInitializer:biasInitializer :)
  Crée une couche Dense avec la taille d'entrée, la taille de sortie et la fonction d'activation par élément spécifiées. La matrice de poids est créée avec shape [inputSize, outputSize] et le vecteur de biais est créé avec shape [outputSize] .

  Déclaration

  public init(
    inputSize: Int,
    outputSize: Int,
    activation: @escaping Activation = identity,
    useBias: Bool = true,
    weightInitializer: ParameterInitializer<Scalar> = glorotUniform(),
    biasInitializer: ParameterInitializer<Scalar> = zeros()
  )

  Paramètres

  inputSize	La dimensionnalité de l'espace d'entrée.
  outputSize	La dimensionnalité de l'espace de sortie.
  activation	La fonction d'activation à utiliser. La valeur par défaut est identity(_:) .
  weightInitializer	Initialiseur à utiliser pour weight .
  biasInitializer	Initialiseur à utiliser pour bias .