forked from mindspore-Ecosystem/mindspore
38 lines
2.2 KiB
ReStructuredText
38 lines
2.2 KiB
ReStructuredText
mindspore.nn.BiDense
|
||
====================
|
||
|
||
.. py:class:: mindspore.nn.BiDense(in1_channels, in2_channels, out_channels, weight_init=None, bias_init=None, has_bias=True)
|
||
|
||
双线性全连接层。
|
||
|
||
公式如下：
|
||
|
||
.. math::
|
||
\text{outputs} = X_{1}^{T} * \text{kernel} * X_{2} + \text{bias},
|
||
|
||
其中 :math:`X_{1}` 是第一个输入Tensor，:math:`X_{2}` 是第二个输入Tensor，:math:`\text{kernel}` 是一个权重矩阵，其数据类型与 :math:`X` 相同， :math:`\text{bias}` 是一个偏置向量，其数据类型与 :math:`X` 相同（仅当has_bias为True时）。
|
||
|
||
**参数：**
|
||
|
||
- **in1_channels** (int) - BiDense层第一个输入Tensor的空间维度。
|
||
- **in2_channels** (int) - BiDense层第二个输入Tensor的空间维度。
|
||
- **out_channels** (int) - BiDense层输出Tensor的空间维度。
|
||
- **weight_init** (Union[Tensor, str, Initializer, numbers.Number]) - 权重参数的初始化方法。数据类型与 `x` 相同。str的值引用自函数 `initializer`。默认值：None。
|
||
- **bias_init** (Union[Tensor, str, Initializer, numbers.Number]) - 偏置参数的初始化方法。数据类型与 `x` 相同。str的值引用自函数 `initializer`。默认值：None。
|
||
- **has_bias** (bool) - 是否使用偏置向量 :math:`\text{bias}` 。默认值：True。
|
||
|
||
**输入：**
|
||
|
||
- **input1** (Tensor) - shape为 :math:`(*,in1\_channels)` 的Tensor。 参数中的 `in1_channels` 应等于输入中的 :math:`in1\_channels` 。
|
||
- **input2** (Tensor) - shape为 :math:`(*,in2\_channels)` 的Tensor。 参数中的 `in2_channels` 应等于输入中的 :math:`in2\_channels` 。
|
||
|
||
**输出：**
|
||
|
||
shape为 :math:`(*,out\_channels)` 的Tensor。
|
||
|
||
**异常：**
|
||
|
||
- **TypeError** - `in_channels` 或 `out_channels` 不是整数。
|
||
- **TypeError** - `has_bias` 不是bool值。
|
||
- **ValueError** - `weight_init` 的shape长度不等于3，`weight_init` 的shape[0]不等于 `out_channels`，或者 `weight_init` 的shape[1]不等于 `in1_channels`，或者 `weight_init` 的shape[2]不等于 `in2_channels`。
|
||
- **ValueError** - `bias_init` 的shape长度不等于1或 `bias_init` 的shape[0]不等于 `out_channels`。 |