Gęsty

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

Gęsto połączona warstwa sieci neuronowej.

Dense implementuje operację activation(matmul(input, weight) + bias) , gdzie weight jest macierzą wag, bias jest wektorem odchylenia, a activation jest funkcją aktywacji elementarną.

Warstwa ta obsługuje również trójwymiarowe tensory wag z dwuwymiarowymi macierzami odchylenia. W tym przypadku pierwszy wymiar obu jest traktowany jako rozmiar partii, który jest wyrównany z pierwszym wymiarem input i używany jest wariant operacji matmul(_:_:) wsadowy, w ten sposób stosując inną wagę i obciążenie dla każdego elementu w partii wejściowej.

• waga
  Matryca wag.

  Deklaracja

  public var weight: Tensor<Scalar>

• stronniczość
  Wektor odchylenia.

  Deklaracja

  public var bias: Tensor<Scalar>

• aktywacja
  Elementowa funkcja aktywacji.

  Deklaracja

  @noDerivative
  public let activation: Activation

• Aktywacja
  Elementowy typ funkcji aktywacji.

  Deklaracja

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

• init(waga:odchylenie:aktywacja:)
  Tworzy instancję na podstawie podanej wagi, opcjonalnego odchylenia i funkcji aktywacji.

  Notatka

  obecnie jedynym parametrem różniczkującym jest weight . bias można uczynić parametrem różniczkowalności po Optional warunkowym spełnieniu Differentiable : TF-499.

  Deklaracja

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

• do przodu(_:)
  Zwraca wynik uzyskany po zastosowaniu warstwy do podanych danych wejściowych.

  Deklaracja

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

  Parametry

  input

  Wejście do warstwy.

  Wartość zwracana

  Wyjście.

• init(inputSize:outputSize:aktywacja:useBias:weightInitializer:biasInitializer:)
  Tworzy warstwę Dense o określonym rozmiarze wejściowym, rozmiarze wyjściowym i funkcji aktywacji opartej na elementach. Macierz wag jest tworzona za pomocą kształtu [inputSize, outputSize] , a wektor odchylenia jest tworzony za pomocą kształtu [outputSize] .

  Deklaracja

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

  Parametry

  inputSize	Wymiarowość przestrzeni wejściowej.
  outputSize	Wymiarowość przestrzeni wyjściowej.
  activation	Funkcja aktywacji, której należy użyć. Wartość domyślna to identity(_:) .
  weightInitializer	Inicjator do użycia dla weight .
  biasInitializer	Inicjator używany do bias .