2024-07-12
한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina
संचालकः : प्रायः तंत्रिकाजालस्तरस्य प्रयुक्तानि मूलभूतगणितीयसञ्चालनानि निर्दिशति;
पूर्णतया सम्बद्धः स्तरः इति अपि उच्यते, अयं सर्वाधिकं सामान्यः स्तरप्रकारः अस्ति । इदं निवेशसदिशं भारमात्रिकायाः सह गुणयति ततः निर्गमसदिशं प्राप्तुं पूर्वाग्रहसदिशं योजयति । रेखीयस्तरः तंत्रिकाजालस्य मूलभूतः स्तरः अस्ति, तस्य मुख्यं कार्यं च उच्च-आयामी-निवेशस्य निम्न-आयामी-निर्गमस्य नक्शाङ्कनं भवति;
रेखीय स्तर नमूना कोड
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)
प्रथमं torch तथा torch.nn मॉड्यूल् आयाताः भवन्ति । ततः, वयं input vector इत्यस्य dimension input_size तथा linear layer इत्यस्य output dimension output_size इति परिभाषयामः ।
तदनन्तरं nn.Linear क्लास् इत्यस्य उपयोगेन fc_layer इति नामकं linear layer object निर्मितवन्तः । अस्य वर्गस्य प्रथमः पैरामीटर् इनपुट् आयामः अस्ति, द्वितीयः पैरामीटर् च आउटपुट् आयामः अस्ति ।
ततः वयं एकं यादृच्छिकं निवेशसदिशं input_vector निर्माय अग्रे प्रसारणगणनार्थं रेखीयस्तरं प्रति पारयामः ।अन्ते वयं output vector इत्येतत् मुद्रयामः