@frozen
public struct Dense<Scalar> : Layer where Scalar : TensorFlowFloatingPointএকটি ঘন-সংযুক্ত নিউরাল নেটওয়ার্ক স্তর।
Dense অপারেশন activation(matmul(input, weight) + bias) প্রয়োগ করে, যেখানে weight একটি ওজন ম্যাট্রিক্স, bias একটি পক্ষপাত ভেক্টর এবং activation একটি উপাদান-ভিত্তিক অ্যাক্টিভেশন ফাংশন।
এই স্তরটি 2-ডি বায়াস ম্যাট্রিক্স সহ 3-ডি ওজন টেনসরকেও সমর্থন করে। এই ক্ষেত্রে উভয়ের প্রথম মাত্রাটিকে ব্যাচের আকার হিসাবে বিবেচনা করা হয় যা input প্রথম মাত্রার সাথে সারিবদ্ধ হয় এবং matmul(_:_:) অপারেশনের ব্যাচ বৈকল্পিক ব্যবহার করা হয়, এইভাবে প্রতিটি উপাদানের জন্য আলাদা ওজন এবং পক্ষপাত ব্যবহার করা হয়। ইনপুট ব্যাচে।
ওজন ম্যাট্রিক্স।
ঘোষণা
public var weight: Tensor<Scalar>পক্ষপাত ভেক্টর।
ঘোষণা
public var bias: Tensor<Scalar>উপাদান অনুযায়ী সক্রিয়করণ ফাংশন.
ঘোষণা
@noDerivative public let activation: Activationপ্রদত্ত ওজন, ঐচ্ছিক পক্ষপাত এবং সক্রিয়করণ ফাংশন থেকে একটি উদাহরণ তৈরি করে।
দ্রষ্টব্য
বর্তমানে,weightএকমাত্র পার্থক্যের পরামিতি।Optionalশর্তসাপেক্ষেDifferentiable: TF-499 এর সাথে সামঞ্জস্য করার পরেbiasএকটি ভিন্নতা পরামিতি করা যেতে পারে।ঘোষণা
@differentiable(wrt: weight) public init( weight: Tensor<Scalar>, bias: Tensor<Scalar>? = nil, activation: @escaping Activation )নির্দিষ্ট ইনপুট আকার, আউটপুট আকার, এবং উপাদান-ভিত্তিক সক্রিয়করণ ফাংশন সহ একটি
Denseস্তর তৈরি করে। ওজন ম্যাট্রিক্স আকৃতি[inputSize, outputSize]দিয়ে তৈরি করা হয় এবং বায়াস ভেক্টর আকৃতি[outputSize]দিয়ে তৈরি করা হয়।ঘোষণা
public init( inputSize: Int, outputSize: Int, activation: @escaping Activation = identity, useBias: Bool = true, weightInitializer: ParameterInitializer<Scalar> = glorotUniform(), biasInitializer: ParameterInitializer<Scalar> = zeros() )পরামিতি
inputSizeইনপুট স্থানের মাত্রিকতা।
outputSizeআউটপুট স্থান মাত্রিকতা.
activationব্যবহার করার জন্য সক্রিয়করণ ফাংশন। ডিফল্ট মান হল
identity(_:)।weightInitializerইনিশিয়ালাইজার
weightজন্য ব্যবহার করতে হবে।biasInitializerbiasজন্য ব্যবহার করার জন্য ইনিশিয়ালাইজার।