forked from mindspore-Ecosystem/mindspore
34 lines
2.6 KiB
ReStructuredText
34 lines
2.6 KiB
ReStructuredText
|
mindspore.nn.probability.bnn_layers.DenseLocalReparam
|
|||
|
|
=====================================================
|
|||
|
|
|
|||
|
|
.. py:class:: mindspore.nn.probability.bnn_layers.DenseLocalReparam(in_channels, out_channels, activation=None, has_bias=True, weight_prior_fn=NormalPrior, weight_posterior_fn=normal_post_fn, bias_prior_fn=NormalPrior, bias_posterior_fn=normal_post_fn)
|
|||
|
|
|
|||
|
|
具有局部重构化参数的密集变分层。
|
|||
|
|
|
|||
|
|
更多相关信息，请查阅论文 `变分 Dropout 和局部重参数化技巧 <https://arxiv.org/abs/1506.02557>`_。
|
|||
|
|
|
|||
|
|
将密集连接层应用于输入。该层将操作实现为：
|
|||
|
|
|
|||
|
|
.. math::
|
|||
|
|
\text{outputs} = \text{activation}(\text{inputs} * \text{weight} + \text{bias}),
|
|||
|
|
|
|||
|
|
在这个公式中， activation 作为 `activation` 参数传递的激活函数(如果传入)， activation 是与创建层的输入具有相同数据类型的权重矩阵， weight 是从权重的后验分布采样的权重矩阵，并且 bias 是与层创建的输入具有相同数据类型的偏置向量（仅当 has_bias 为 True 时）。偏差向量是从后验分布中采样的 bias。
|
|||
|
|
|
|||
|
|
**参数：**
|
|||
|
|
|
|||
|
|
- **in_channels** (int) – 输入通道的数量。
|
|||
|
|
- **out_channels** (int) - 输出通道的数量。
|
|||
|
|
- **activation** (str, Cell) – 应用于输出层的正则化函数。激活的类型可以是 string（例如'relu'）或单元格（例如nn.ReLU()）。注意，如果激活的类型是 Cell，则必须事先实例化。默认值：None。
|
|||
|
|
- **has_bias** (bool) - 指定层是否使用偏置向量。默认值：false。
|
|||
|
|
- **weight_prior_fn** (Cell) - 它必须返回一个 mindspore 分布实例。默认值：NormalPrior。（创建标准正态分布的一个实例）。当前版本仅支持正态分布。
|
|||
|
|
- **weight_posterior_fn** (function) – 采样权重的后验分布。它必须是一个函数句柄，它返回一个 mindspore 分布实例。默认值：normal_post_fn。当前版本仅支持正态分布。
|
|||
|
|
- **bias_prior_fn** (Cell) – 偏置向量的先验分布。它必须返回一个 mindspore 分布实例。默认值：NormalPrior（创建标准正态分布的实例）。当前版本仅支持正态分布。
|
|||
|
|
- **bias_posterior_fn** (function) – 采样偏差向量的后验分布。它必须是一个函数句柄，它返回一个 mindspore 分布实例。默认值：normal_post_fn。当前版本仅支持正态分布。
|
|||
|
|
|
|||
|
|
**输入：**
|
|||
|
|
|
|||
|
|
- **input** (Tensor) - `input` 的 shape 是 :math:`(N, in\_channels)`。
|
|||
|
|
|
|||
|
|
**输出：**
|
|||
|
|
|
|||
|
|
- **output** (Tensor) - `output` 的 shape 是 :math:`(N, out\_channels)`。
|