Python PyTorch Bilinear用法及代碼示例

本文簡要介紹python語言中 torch.nn.Bilinear 的用法。

用法:

class torch.nn.Bilinear(in1_features, in2_features, out_features, bias=True, device=None, dtype=None)

參數：

• in1_features-每個第一個輸入樣本的大小

• in2_features-每個第二個輸入樣本的大小

• out_features-每個輸出樣本的大小

• bias-如果設置為 False，該層將不會學習附加偏差。默認值：True

變量：

• ~Bilinear.weight(torch.Tensor) -形狀為 (\text{out\_features}, \text{in1\_features}, \text{in2\_features}) 的模塊的可學習權重。這些值從 \mathcal{U}(-\sqrt{k}, \sqrt{k}) 初始化，其中 k = \frac{1}{\text{in1\_features}}

• ~Bilinear.bias-形狀為 (\text{out\_features}) 的模塊的可學習偏差。如果 bias 是 True ，則從 \mathcal{U}(-\sqrt{k}, \sqrt{k}) 初始化值，其中 k = \frac{1}{\text{in1\_features}}

對輸入數據應用雙線性變換：y = x_1^T A x_2 + b

形狀：

• 輸入 1：(N, *, H_{in1}) 其中 H_{in1}=\text{in1\_features} 和 * 表示任意數量的附加維度。除了輸入的最後一個維度之外的所有維度都應該相同。

• 輸入 2：(N, *, H_{in2}) 其中 H_{in2}=\text{in2\_features} 。

• 輸出：(N, *, H_{out}) 其中 H_{out}=\text{out\_features} 和除最後一個維度之外的所有維度都與輸入的形狀相同。

例子：

>>> m = nn.Bilinear(20, 30, 40)
>>> input1 = torch.randn(128, 20)
>>> input2 = torch.randn(128, 30)
>>> output = m(input1, input2)
>>> print(output.size())
torch.Size([128, 40])