Partage de technologie

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

1 : Réseau de neurones (opérateur)

Opérateur : fait généralement référence aux opérations mathématiques de base utilisées dans la couche du réseau neuronal ;

1> Couche linéaire (couche entièrement connectée)

Également appelée couche entièrement connectée, il s’agit du type de couche le plus courant. Il multiplie le vecteur d'entrée avec la matrice de poids, puis ajoute le vecteur de biais pour obtenir le vecteur de sortie. La couche linéaire est la couche de base du réseau neuronal et sa fonction principale est de mapper l'entrée de haute dimension vers la sortie de basse dimension ;

Exemple de code de couche linéaire

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

Tout d’abord, les modules torch et torch.nn sont importés. Ensuite, nous définissons la dimension input_size du vecteur d'entrée et la dimension de sortie output_size de la couche linéaire.

Ensuite, nous avons créé un objet couche linéaire nommé fc_layer à l'aide de la classe nn.Linear. Le premier paramètre de cette classe est la dimension d'entrée et le deuxième paramètre est la dimension de sortie.

Nous avons ensuite créé un vecteur d'entrée aléatoire input_vector et l'avons transmis à la couche linéaire pour les calculs de propagation vers l'avant.Enfin, nous imprimons le vecteur de sortie