Qu'est-ce que nn linéaire dans PyTorch ?
Qu'est-ce que nn linéaire dans PyTorch ?

Vidéo: Qu'est-ce que nn linéaire dans PyTorch ?

Vidéo: Qu'est-ce que nn linéaire dans PyTorch ?
Vidéo: pyTorch #3 : régression linéaire avec Pytorch 2024, Avril
Anonim

De la documentation: torche CLASS. nn . Linéaire (in_features, out_features, bias=True) Applique un linéaire transformation aux données entrantes: y = xW^T + b. Paramètres: in_features – taille de chaque échantillon d'entrée.

De même, on se demande comment fonctionne NN linéaire ?

Linéaire . Applique un linéaire transformation aux données entrantes, c'est-à-dire //y= Ax+b//. Le tenseur d'entrée donné dans forward(input) doit être soit un vecteur (tenseur 1D) soit une matrice (tenseur 2D). Si l'entrée est une matrice, alors chaque ligne est supposée être un échantillon d'entrée d'un lot donné.

De même, qu'est-ce que conv2d dans PyTorch ? conv2d (entrée, poids, auto. biais, auto. foulée, auto. rembourrage, auto. dilatation, auto.

Deuxièmement, qu'est-ce que PyTorch nn ?

PyTorche : nn Les nn package définit un ensemble de modules, que vous pouvez considérer comme une couche de réseau neuronal qui produit une sortie à partir d'une entrée et peut avoir des poids pouvant être entraînés. la torche d'importation # N est la taille du lot; D_in est la dimension d'entrée; # H est la dimension cachée; D_out est la dimension de sortie.

Comment utilisez-vous ReLU dans PyTorch ?

Dans PyTorche , vous pouvez construire un ReLU couche à l'aide de la fonction simple relu1 = nn. ReLU avec l'argument inplace=False. Depuis le ReLU la fonction est appliquée élément par élément, il n'est pas nécessaire de spécifier les dimensions d'entrée ou de sortie. L'argument inplace détermine comment la fonction traite l'entrée.

Conseillé: