美女黄色毛片,五月婷婷激情四射,免费观看亚洲视频,www.成人高清,91爱爱网址,操逼操逼操逼操逼操逼,黄片视频免费,在线日本a∨

點擊上方“公眾號”可訂閱哦！

在TensorFlow2.0中，任何一個自定義層都繼承自tf.keras.layers.Layer。

Layer層中需要自定義的函數(shù)有很多，但是在實際使用時一般只需要定義那些必須使用的函數(shù)即可，以下是對__init__、build和call三個主要函數(shù)的小結(jié)。

__init__函數(shù)

__init__ 函數(shù)首先是一些必要參數(shù)的初始化，這些參數(shù)的初始化寫在 def __init__(self,) 中，然后是一些參數(shù)的初始化。

class Mylayer(tf.keras.layers.Layer):     # 顯示繼承自Layer層    def __init__(self, unit):             # init中顯示地確定參數(shù)        super().__init__()                # 調(diào)用父層        self.unit = unit                  # 把參數(shù)加載到類

init函數(shù)最重要的就是顯式的確定需要的一些參數(shù)。對于輸入的init中的參數(shù)，輸入Tensor是不會在這里進行標注的，init初始化的是模型參數(shù)。

build函數(shù)

build()?可自定義網(wǎng)絡(luò)的權(quán)重的維度，可以根據(jù)輸入來指定權(quán)重的維度。

    def build(self, input_shape):        self.weight = self.add_weight(shape=(input_shape[-1], self.unit),                                     initializer=tf.keras.initializers.RandomNormal(),                                     trainable=True)        self.bias = self.add_weight(shape=(self.unit,),                                   initializer=tf.keras.initializers.Zeros(),                                   trainable=True)

在Layer()?類中有一個__call__()?魔法方法（上述兩個函數(shù)已經(jīng)被tf集成在該函數(shù)下面），會被自動調(diào)用，因此不用外部調(diào)用。

call函數(shù)

call函數(shù)是最重要的函數(shù)，這部分代碼包含了主要層的實現(xiàn)，即完成前向傳播。

init函數(shù)，定義并聲明參數(shù)，build函數(shù)聲明了權(quán)重可變參數(shù)，而這只是定義了一些初始化的參數(shù)以及一些需要更新的參數(shù)變量，真正實現(xiàn)所定義類的功能是在call函數(shù)中。

    def call(self, inputs):        return tf.matmul(inputs, self.weight) + self.bias

call中的一系列操作是對init和build中變量的引用，所有的計算在call中完成。

輸入的參數(shù)在這里出現(xiàn)，經(jīng)過計算后將計算值返回。

完整代碼：

import tensorflow as tf
class MyLayer(tf.keras.Model):            def __init__(self, unit=32):        super(MyLayer, self).__init__()        self.unit = unit
    def build(self, input_shape):        self.weight = self.add_weight(shape=(input_shape[-1], self.unit),                                     initializer=tf.keras.initializers.RandomNormal(),                                     trainable=True)        self.bias = self.add_weight(shape=(self.unit,),                                   initializer=tf.keras.initializers.Zeros(),                                   trainable=True)                   def call(self, inputs):        return tf.matmul(inputs, self.weight) + self.bias
my_layer = MyLayer(3)x = tf.ones((3,5))out = my_layer(x)print(out)

輸出：

tf.Tensor([[ 0.16174725 -0.03372785 -0.01657906] [ 0.16174725 -0.03372785 -0.01657906] [ 0.16174725 -0.03372785 -0.01657906]], shape=(3, 3), dtype=float32)

?END

深度學(xué)習(xí)入門筆記

微信號:sdxx_rmbj

日常更新學(xué)習(xí)筆記、論文簡述

【TensorFlow】筆記：基礎(chǔ)知識-自定義層