顶点是什么?

在Eclipse DL4J中,顶点是在计算图中充当节点的一种层。它可以接受多个输入,提供多个输出,并且可以帮助构建流行的网络,如InceptionV4。

可用的类


L2NormalizeVertex

[源码]

L2NormalizeVertex 在单个输入上执行L2归一化。


L2Vertex

[源码]

L2Vertex 计算两个输入的L2最小二乘误差。

例如,在三重嵌入中,你可以输入一个锚和一个pos/neg类,并使用两个并行的L2顶点来计算两个实数,这两个实数可以输入LossLayer来计算三重损失。


PoolHelperVertex

[源码]

用于从输入中移除第一列和行的自定义层。这意味着允许从https://gist.github.com/joelouismarino/a2ede9ab3928f999575423b9887abd14 引入Caffe的GoogLeNet。


ReshapeVertex

[源码]

在计算图中增加对张量变形和偏平化能力。这相当于下一层。ReshapeVertex还确保形状对于反向传播是有效的。


ScaleVertex

[源码]

一个ScaleVertex用于缩放单个层的激活大小。

例如,可以在重复块中缩放ResNet激活,以保持方差在控制之中。


ShiftVertex

[源码]

ShiftVertex用于转换单个层的激活

人们可以使用它来添加偏置或者作为其他计算的一部分。例如,公路层在两个地方需要它们。一,门权重有很大的负偏差通常是有用的。(当然,对于这一点,我们可以这样初始化偏置。)但是,它也需要这样做:(1-sigmoid(weight input + bias)) () input + sigmoid(weight input + bias) () activation(w2 input + bias) (() is hadamard product) 因此,在这里,我们可以

  1. 一个做为sigmoid的  DenseLayer
  2. 一个 ScaleVertex(-1) 和
  3. 一个 ShiftVertex(1) 来完成这一点。

StackVertex

[源码]

StackVertex允许堆叠输入,以便它们可以通过网络转发。这对于诸如三重嵌入之类的情况是有用的,其中共享参数不被网络支持。

这个顶点会自动堆叠所有可用的输入。


UnstackVertex

[源码]

UnstackVertex允许对输入进行拆堆叠,以便它们可以通过网络转发。这对于诸如三重嵌入之类的情况是有用的,其中嵌入可以被分离并通过后续层运行。

除了0维度输入之外,与SubsetVertex(子集顶点)相似。stackSize由用户显式定义,以适当地计算一个步骤。


ReverseTimeSeriesVertex

[源码]

在循环神经网络中使用ReverseTimeSeriesVertex来反转时间序列的顺序。结果,最后一个时间步长被移动到时间序列的开始,并且第一时间步长被移动到结束。这允许递归层反向处理时间序列。

掩码:输入可能被屏蔽(以允许在一个小批量中改变不同的时间序列长度)。在这种情况下,当前输入(掩码数组=1)将恢复到位,填充(掩码数组=0)将保持不变。对于长度为n的时间序列,这通常意味着,恢复最初的n个时间步长,并且不修改下面的填充,但是支持更复杂的掩码(例如[1,0,1,0,…])。

setBackpropGradientsViewArray

public void setBackpropGradientsViewArray(INDArray backpropGradientsViewArray)

从提供的输入获取当前掩码数组。

  • 如果没有输入,则返回掩码或NULL

DL4J中文文档/模型/顶点相关推荐

  1. DL4J中文文档/开始/速查表

    快速检索 DL4J(和相关项目)有很多功能.此篇的目标是总结这个功能,以便用户知道存在什么功能,以及在哪里可以找到更多信息. 内容 层 前馈层 输出层 卷积层 循环层 无监督层 其它层 图顶点 输入预 ...

  2. DL4J中文文档/语言处理/Word2Vec

    Word2Vec, Doc2vec & GloVe: 用于自然语言处理的神经词嵌入 内容 介绍 神经词嵌入 有趣的Word2Vec结果 给我代码 Word2Vec 剖析 安装,加载与训练 代码 ...

  3. DL4J中文文档/开始/Eclipse DL4J示例之旅

    DL4J示例调研 DL4J的Github仓库有很多示例可以涵盖它的功能.快速入门向你展示了如何设置Intellij并克隆仓库.本页提供这些例子中的一些概述. DataVec 示例 大多数示例都使用Da ...

  4. DL4J中文文档/分布式深度学习/操作指南

    Spark上的DL4J:操作指南 此页面包含许多用于常见分布式训练任务的操作指南.注意,对于构建数据管道的指南,请参见这里. 在阅读这些指南之前,请确保你已经阅读了有关DL4J spark训练的介绍指 ...

  5. DL4J中文文档/调优与训练/可视化

    内容 用DL4J UI可视化网络训练 DL4J UI:概述 DL4J UI:模型 DL4J UI与Spark训练 使用 DL4J UI调整你的网络 TSNE与Word2Vec 修复UI问题:" ...

  6. DL4J中文文档/开始/从源码构建

    在本地从主干构建 注意:大多数用户应该使用Maven Central上的快速入门指南,而不是从源代码构建. 除非你有一个非常好的从源码构建的理由(例如开发新的特性--不包括自定义层.自定义激活函数.自 ...

  7. DL4J中文文档/ND4J/概述

    本用户指南旨在解释(并提供示例)ND4J中的主要功能. 简介 NDArrays:它们在内存中是如何存储的? 视图:当两个或更多NDArrays引用相同的数据 创建NDArrays 0,1和标量值初始化 ...

  8. PyTorch官方中文文档:torch.optim 优化器参数

    内容预览: step(closure) 进行单次优化 (参数更新). 参数: closure (callable) –...~ 参数: params (iterable) – 待优化参数的iterab ...

  9. Python爱好者周知:Scikit-Learn中文文档正式发布

    整理 | 费棋 出品 | AI科技大本营(公众号ID:rgznai100) 近日,Scikit-Learn 中文文档已由开源组织 ApacheCN 完成校对.该中文文档依然包含了 Scikit-Lea ...

最新文章

  1. python绘制三维轨迹_Python学习(一) —— matplotlib绘制三维轨迹图
  2. python换零钱有多少种方案_Python3算法实例 1.2:动态规划 之 换零钱
  3. Win2003用NAT实现ADSL共享与×××服务器
  4. 分享Kali Linux 2017年第二周镜像文件
  5. python使用osgeo库_python中使用gdal,osgeo
  6. Python应用实战案例-pyspark库从安装到实战保姆级讲解
  7. linux大文件系统管理,Linux 磁盘和文件系统管理
  8. PHP网站管理系统-EBCMS易贝管理系统 v1.2.0
  9. C#中join 的lambada写法
  10. Linux文件及文件内容的查找-转
  11. C++ STL 学习笔记__(6)优先级队列priority_queue基本操作
  12. ext2、ext3与ext4的区别
  13. 内存卡数据恢复,如何从内存卡恢复数据
  14. oppo小布机器人_OPPO小布助手喜迎重大升级,你的私人全能管家现已上线!
  15. WIN2008R2修改远程桌面端口(不重启系统)
  16. 51单片机按下按键数码管加一
  17. 气味生意:躲得过老铁和网易云,但躲不过呼吸
  18. 3.3KW车载充电机开关电源方案数字控制单相PFC与全桥LLC
  19. 英特尔挖走苹果M1芯片工程师,或将改变x86架构
  20. 如何在Amazon AWS上设置一台免费Linux云主机

热门文章

  1. 从电池中管理使用电动车(EVS)和电力注射构成控制EV的充电和排放作为有吸引力的研究领域的问题
  2. 通过从代码层面分析Linux内核启动来探知操作系统的启动过程
  3. linux font etc,linux下fontConfig配置
  4. 记录SQL查询汉字、字母、数字
  5. Log4J的日志文件控制大小
  6. windows 电影服务器系统,电影服务器如何运行media服务
  7. 使用g++和cmake编译thread库报错
  8. 【370】Python列表生成式(for 写入一行)
  9. ORA-01103: database name 'test' in control file is not 'standby'
  10. keil5 error: #29: expected an expression