Technologieaustausch

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

1: Neuronales Netzwerk (Operator)

Operator: bezieht sich normalerweise auf die grundlegenden mathematischen Operationen, die in der neuronalen Netzwerkschicht verwendet werden;

1> Lineare Schicht (vollständig verbundene Schicht)

Es wird auch als vollständig verbundene Schicht bezeichnet und ist der häufigste Schichttyp. Es multipliziert den Eingabevektor mit der Gewichtsmatrix und addiert dann den Bias-Vektor, um den Ausgabevektor zu erhalten. Die lineare Schicht ist die Grundschicht im neuronalen Netzwerk. Ihre Hauptfunktion besteht darin, hochdimensionale Eingaben auf niedrigdimensionale Ausgaben abzubilden.

Beispielcode für eine lineare Ebene

import torch
import torch.nn as nn
 
# 定义输入向量的维度
input_size = 10
 
# 定义线性层的输出维度
output_size = 5
 
# 创建线性层
fc_layer = nn.Linear(input_size, output_size)
 
# 创建输入向量
input_vector = torch.randn(1, input_size)  # 假设输入向量的形状为(1, input_size)
 
# 进行前向传播计算
output_vector = fc_layer(input_vector)
 
# 打印输出向量
print(output_vector)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

Zunächst werden die Module Torch und Torch.nn importiert. Anschließend definieren wir die Dimension „input_size“ des Eingabevektors und die Ausgabedimension „output_size“ der linearen Ebene.

Als Nächstes haben wir mit der Klasse nn.Linear ein lineares Ebenenobjekt namens fc_layer erstellt. Der erste Parameter dieser Klasse ist die Eingabedimension und der zweite Parameter ist die Ausgabedimension.

Anschließend erstellen wir einen zufälligen Eingabevektor input_vector und übergeben ihn zur Berechnung der Vorwärtsausbreitung an die lineare Ebene.Zum Schluss drucken wir den Ausgabevektor