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
- 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
- c# - ASPNet Boilerplate에서 Application Service Layer에서 SignalR Hub를 호출하는 것은 나쁜 습관입니까?
관련 질문
- python - 텐서 배열에서 고르지 않은 열 슬라이스
- slice - PyTorch에서 3D 텐서 인덱스로 4D 텐서 슬라이스
- python - pytorch에는 주어진 인덱스로 행을 추출하는 기본 제공 방법이 있습니까?
- deep learning - 파이 토치 - 모델 매개 변수 가중치의 예기치 않은 모양
- python - 다차원 파이 토치 텐서를 "n"더 작은 텐서로 분할
- python - 규칙적인 패턴으로 치수를 줄이는 PyTorch 텐서 기능이 있습니까?
- python - 스파 스 텐서 피토 치로 무게와 바이어스 변환
- python - PyTorch에서 서브 텐터 복제
- 메모리를 복사하지 않고 파이 토치 텐서 반복
- python - 토치 텐서에서 행 삭제
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