用法:
mxnet.symbol.FullyConnected(data=None, weight=None, bias=None, num_hidden=_Null, no_bias=_Null, flatten=_Null, name=None, attr=None, out=None, **kwargs)
結果符號。
參數:
返回:
返回類型:
應用線性變換: 。
如果
flatten
設置為 true,則形狀為:- data:
(batch_size, x1, x2, …, xn)
- weight:
(num_hidden, x1 * x2 * … * xn)
- bias:
(num_hidden,)
- out:
(batch_size, num_hidden)
如果
flatten
設置為 false,則形狀為:- data:
(x1, x2, …, xn, input_dim)
- weight:
(num_hidden, input_dim)
- bias:
(num_hidden,)
- out:
(x1, x2, …, xn, num_hidden)
可學習的參數包括
weight
和bias
。如果
no_bias
設置為 true,則忽略bias
項。注意:
FullyConnected 的稀疏支持僅限於使用
row_sparse
權重和偏差進行前向評估,其中weight.indices
和bias.indices
的長度必須等於num_hidden
。這對於使用重要性采樣或噪聲對比估計訓練的row_sparse
權重的模型推斷很有用。要使用‘csr’稀疏數據計算線性變換,建議使用sparse.dot而不是sparse.FullyConnected。
例子:
構造一個目標維度為 512 的全連接算子。
>>> data = Variable('data') # or some constructed NN >>> op = FullyConnected(data=data, ... num_hidden=512, ... name='FC1') >>> op <Symbol FC1> >>> SymbolDoc.get_output_shape(op, data=(128, 100)) {'FC1_output': (128L, 512L)}
帶有ReLU 激活的簡單 3 層 MLP:
>>> net = Variable('data') >>> for i, dim in enumerate([128, 64]): ... net = FullyConnected(data=net, num_hidden=dim, name='FC%d' % i) ... net = Activation(data=net, act_type='relu', name='ReLU%d' % i) >>> # 10-class predictor (e.g. MNIST) >>> net = FullyConnected(data=net, num_hidden=10, name='pred') >>> net <Symbol pred>
>>> dim_in, dim_out = (3, 4) >>> x, w, b = test_utils.random_arrays((10, dim_in), (dim_out, dim_in), (dim_out,)) >>> op = FullyConnected(num_hidden=dim_out, name='FC') >>> out = test_utils.simple_forward(op, FC_data=x, FC_weight=w, FC_bias=b) >>> # numpy implementation of FullyConnected >>> out_np = np.dot(x, w.T) + b >>> test_utils.almost_equal(out, out_np) True
相關用法
- Python mxnet.symbol.Flatten用法及代碼示例
- Python mxnet.symbol.op.broadcast_logical_xor用法及代碼示例
- Python mxnet.symbol.op.log_softmax用法及代碼示例
- Python mxnet.symbol.space_to_depth用法及代碼示例
- Python mxnet.symbol.random_pdf_poisson用法及代碼示例
- Python mxnet.symbol.argmin用法及代碼示例
- Python mxnet.symbol.linalg_potrf用法及代碼示例
- Python mxnet.symbol.contrib.dgl_graph_compact用法及代碼示例
- Python mxnet.symbol.op.SliceChannel用法及代碼示例
- Python mxnet.symbol.op.linalg_trmm用法及代碼示例
- Python mxnet.symbol.sparse.exp用法及代碼示例
- Python mxnet.symbol.Symbol.attr用法及代碼示例
- Python mxnet.symbol.sparse.zeros_like用法及代碼示例
- Python mxnet.symbol.Symbol.get_children用法及代碼示例
- Python mxnet.symbol.op.broadcast_plus用法及代碼示例
- Python mxnet.symbol.linalg.makediag用法及代碼示例
- Python mxnet.symbol.op.broadcast_mul用法及代碼示例
- Python mxnet.symbol.fix用法及代碼示例
- Python mxnet.symbol.broadcast_hypot用法及代碼示例
- Python mxnet.symbol.linalg_gelqf用法及代碼示例
- Python mxnet.symbol.op.reciprocal用法及代碼示例
- Python mxnet.symbol.choose_element_0index用法及代碼示例
- Python mxnet.symbol.pow用法及代碼示例
- Python mxnet.symbol.op.argmax用法及代碼示例
- Python mxnet.symbol.linalg.extracttrian用法及代碼示例
注:本文由純淨天空篩選整理自apache.org大神的英文原創作品 mxnet.symbol.FullyConnected。非經特殊聲明,原始代碼版權歸原作者所有,本譯文未經允許或授權,請勿轉載或複製。