홈>
완전히 연결된 계층 (
nn.Linear
)
)는 "추가 치수"에 적용된 pytorch에서? 문서 는 텐서
(N,*,in_features)
를 연결하는 데 적용될 수 있다고 말합니다.
(N,*,out_features)
로
여기서
N
배치의 예제 수에 따라 관련이 없으며
*
"추가"치수입니다. 추가 차원에서 가능한 모든 슬라이스를 사용하여 단일 레이어를 학습했거나 각 슬라이스에 대해 별도의 레이어를 훈련했거나 아직 다른 것을 의미합니까?
- 답변 # 1
관련 자료
- php - 애플리케이션 계층 서비스에서 무엇을 테스트해야합니까?
- deep learning - PyTorch에서 TDD (Time-Distributed Density) 계층을 구현하는 방법
- networking - 애플리케이션 계층에서 네트워크 주소를 얻을 수있는 방법이 없습니까? 정말? (omnet ++)
- networking - 애플리케이션 레이어에서 충돌을 감지 할 수단이 없습니까? 흠
- machine learning - Pytorch를 사용하여 마지막 레이어가 올바르게 작성된 사용자 지정 EfficientNet을 만드는 방법
- deep learning - 선형 레이어의 PyTorch 및 Chainer 구현은 동일합니까?
- php - 추가 응용 프로그램의 CostaRico/yii2-images 404 오류
- istio - Kubernetes의 애플리케이션 계층에서 서비스 검색에 대한 모범 사례는 무엇입니까?
- python 3.x - CNN을 훈련하는 동안 nn 선형 레이어에 대한 매개 변수를 선택하는 방법은 무엇입니까?
- sql - GROUPBY 문의 일부가 아닌 응용 프로그램에 열을 추가해야합니다
- leaflet - onEachFeature의 추가 코드로 레이어 팝업 방지
- c# - 단일 계층 애플리케이션 대신 데이터 계층에서 감사
관련 질문
- 이미지와 같은 텐서의 크기를 조정하는 AutoGrad 호환 Pytorch 모듈을 만드는 방법은 무엇입니까?
- machine learning - Pytorch Tensor에서 값 범위 가져 오기
- arrays : Pytorch의 텐서 요소를 "double"대신 "float"유형으로 캐스팅
- pytorch : RuntimeError : 'torch.LongTensor'에 대해 구현되지 않은"exp"
- python - 커스텀 conv2d 작업 Pytorch
- Pytorch CNN 학습에서 "RuntimeError : Double expected scalar type double but found Float"
- python - IndexError : 차원이 범위를 벗어남-PyTorch 차원이 [-1, 0] 범위에있을 것으로 예상되지만 1을 얻었습니다.
- neural network - bigbird 또는 sparse 자기주의 - 희소 행렬을 구현하는 방법은 무엇입니까?
- python - 텐서를 이미지로 다시 평면화 해제
- python - PyTorch 텐서를 겹치는 지정된 버킷 크기로 청크하려면 어떻게해야합니까?
와이즈 비즈가있다
<올> 텐서를 일부in_features * out_features에서 배운 매개 변수 그리고linear.weightout_features에서 배운 매개 변수 . 당신은linear.bias를 생각할 수 있습니다 일하는 중nn.Linear로 재구성하십시오. 여기서(N', in_features)N'의 제품입니다N로 설명 된 모든 치수 :*표준 행렬-행렬 곱셈
input_2d = input.reshape(-1, in_features)적용 .편향
output_2d = linear.weight @ input_2d추가 (우리는 모든output_2d += linear.bias.reshape(1, in_features)에 걸쳐 방송 통지 측정 기준)N'와 크기가 같도록 출력을 재구성하십시오. , 마지막 것을 제외하고 :inputoutput = output_2d.reshape(*input.shape[:-1], out_features)따라서 최고의 치수
return outputN와 동일하게 취급됩니다 치수. 문서는*를 만듭니다 입력 값이최소2d 여야하지만 원하는만큼 많은 차원이 될 수 있음을 명시해야합니다.N