Condivisione della tecnologia

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

1: Rete neurale (operatore)

Operatore: solitamente si riferisce alle operazioni matematiche di base utilizzate nello strato della rete neurale;

1> Livello lineare (livello completamente connesso)

Chiamato anche livello completamente connesso, è il tipo di livello più comune. Moltiplica il vettore di input per la matrice dei pesi e quindi aggiunge il vettore di polarizzazione per ottenere il vettore di output. Lo strato lineare è lo strato base della rete neurale e la sua funzione principale è quella di mappare l'input ad alta dimensionalità sull'output a bassa dimensionalità;

Codice di esempio del livello lineare

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

Per prima cosa vengono importati i moduli torch e torch.nn. Quindi, definiamo la dimensione input_size del vettore di input e la dimensione di output output_size dello strato lineare.

Successivamente, abbiamo creato un oggetto layer lineare denominato fc_layer utilizzando la classe nn.Linear. Il primo parametro di questa classe è la dimensione di input e il secondo parametro è la dimensione di output.

Creiamo quindi un vettore di input casuale input_vettore e lo passiamo al livello lineare per i calcoli della propagazione in avanti.Infine, stampiamo il vettore di output