public protocol Layer : Module where Self.Input : Differentiable
Lapisan jaringan saraf.
Tipe yang sesuai dengan Layer
mewakili fungsi yang memetakan masukan ke keluaran. Mereka mungkin memiliki keadaan internal yang diwakili oleh parameter, seperti tensor bobot.
Instance Layer
menentukan metode callAsFunction(_:)
yang dapat dibedakan untuk memetakan input ke output.
Mengembalikan keluaran yang diperoleh dari penerapan lapisan ke masukan yang diberikan.
Pernyataan
@differentiable func callAsFunction(_ input: Input) -> Output
Parameter
input
Masukan ke lapisan.
Nilai Pengembalian
Outputnya.
Implementasi Bawaan
Pernyataan
@differentiable func forward(_ input: Input) -> Output
Mengembalikan keluaran inferensi yang diperoleh dari penerapan lapisan ke masukan yang diberikan.
Pernyataan
public func inferring(from input: Input) -> Output
Parameter
input
Masukan ke lapisan.
Nilai Pengembalian
Keluaran inferensi.
Pernyataan
public typealias Backpropagator = (_ direction: Output.TangentVector) -> (layerGradient: TangentVector, inputGradient: Input.TangentVector)
Mengembalikan keluaran inferensi dan fungsi propagasi mundur yang diperoleh dari penerapan lapisan ke masukan yang diberikan.
Pernyataan
public func appliedForBackpropagation(to input: Input) -> (output: Output, backpropagator: Backpropagator)
Parameter
input
Masukan ke lapisan.
Nilai Pengembalian
Tuple yang berisi output dan fungsi backpropagation. Fungsi backpropagation (alias backpropagator) mengambil vektor arah dan mengembalikan gradien masing-masing pada lapisan dan masukan.
Implementasi Bawaan
Pernyataan
@differentiable(wrt: self) @differentiable public func callAsFunction(_ input: Input) -> Output