Wolfram Language & System Documentation Center

LinearLayer

LinearLayer[n]

表示一个可训练的、全连接的网络层，可计算，输出向量的大小为 n.

LinearLayer[{n₁,n₂,…}]

表示输出维度为 n₁×n₂×… 的数组的网络层.

LinearLayer[]

将输出数组的维度从前后的连接中推断出来.

LinearLayer[n,opts]

包括初始权重和其他参数的选项.

更多信息和选项

可以包含下列可选参数：

"Biases"	Automatic	初始偏置向量（w.x+b 中的 b）
"Weights"	Automatic	初始权重矩阵（w.x+b 中的 b）
LearningRateMultipliers	Automatic	应用于权重与/或偏差的学习率乘子

在没有明确指定权重和偏差或以 Automatic 形式给出的情况下，当使用 NetInitialize 或 NetTrain 时，系统自动加上这些参数.
设置 "Biases"->None 指定不应使用任何偏差.
如果已经加上了权重和偏差，通过应用该层 LinearLayer[…][input] 显式计算输出.
LinearLayer[…][{input₁,input₂,…}] 显式计算每个 input_i 的输出.
当 NumericArray 作为输入时，输出将是 NumericArray.
NetExtract 可以用来从 LinearLayer 对象提取权重和偏差.
LinearLayer 通常用在 NetChain、NetGraph 等中.
LinearLayer 开放下列端口，以便用于 NetGraph 等：
"Input" 数组

"Output" 大小为 n₁×n₂×… 的数组
LinearLayer[{}] 指定 LinearLayer 应产生一个实数.
LinearLayer[n,"Input"->m] 是 LinearLayer 的最常见的用法，表示一个 LinearLayer，接受长度为 m 的向量，产生长度为 n 的向量.
在较大的网络中，如果不能从前面的层推导得出，可以使用选项 "Input"shape 来确定 LinearLayer 的输入. shape 的可能的形式包括：
"Real" 一个实数

m 长度为 m 的向量

{m₁,m₂,…} 维度为 m₁×m₂×… 的数组

NetEncoder[…] 编码
Options[LinearLayer] 给出构建网络层的默认选项的列表. Options[LinearLayer[…]] 给出在一些数据上运行网络层的默认选项列表.
Information[LinearLayer[…]] 给出关于该网络层的报告.
Information[LinearLayer[…],prop] 给出 LinearLayer[…] 的属性 prop 的值. 可能的属性与 NetGraph 相同.

范例

打开所有单元关闭所有单元

基本范例 (2)

创建一个 LinearLayer，其输出为长度为 5 的向量：

创建随机初始化的 LinearLayer:

对输入向量应用该层来产生输出向量：

范围 (11)

参数 (2)

创建一个生成 3×2 矩阵的 LinearLayer：

指定任意深度的输出数组：

空列表对应标量输出：

端口 (6)

指定层的 "Input" 端口取长度为 3 的矢量：

明确指定 "Input" 和 "Output" 端口：

定义一个接收并返回实数的层：

将初始化层应用于输入：

可以初始化一个完全指定了 "Input" 和 "Output" 端口的 LinearLayer：

将初始化层应用于输入：

定义一个能接收一个类并生成其单击编码向量的 NetEncoder：

将编码器连接到层 "Input" 端口：

将层应用到类的成员上：

定义一个 NetEncoder，接收图像并生成 28×28 矩阵：

将编码器连接到层 "Input" 端口：

将层应用到类的成员上：

参数 (3)

"Biases" (1)

定义并初始化一个无偏置的 LinearLayer：

这与 Dot 等价：

"Weights" (2)

指定权重矩阵，设置无偏置：

将层应用于输入：

提取权重：

使用特定的权重矩阵和偏置向量：

该层已完全指定，无需初始化：

选项 (2)

LearningRateMultipliers (2)

创建一个带有冻结权重和偏差的 LinearLayer：

训练含有该网络层的网络：

该网络层的权重和偏差未发生改变：

创建一个带有冻结权重的 LinearLayer，但不冻结偏差：

训练含有该网络层的网络：

权重没有发生改变，但偏差在训练期间发生了变化：

应用 (1)

在 NetChain 中通过叠用线性层创建一个两层的感知器：

在 "MNIST" 手写数字数据集上训练感知器：

对未曾见过的数字进行分类：

属性和关系 (2)

在 NetChain 中可用 n 指定 LinearLayer[n]：

如果输入或输出是向量，LinearLayer 计算的是：

在数据上运行 LinearLayer：

手动计算得到同样的结果：

可能存在的问题 (3)

如果 LinearLayer 的输入和输出维度处于未知状态，就不能被初始化：

LinearLayer 不接受符号式输入：

输出大小为 n、输入大小为 m 的 LinearLayer 的权重矩阵的大小为 n×m：

如果 n 和 m 太大，可能没有足够大的系统或 GPU 内存来初始化或训练含有此 LinearLayer 的网络：

Top

淋球菌是什么	au750是什么金属	什么望外	右耳朵疼是什么原因	子宫糜烂是什么症状
晚上睡觉流口水是什么病	姜子牙是什么神仙	角鲨烯有什么作用	粘假牙用什么胶	高尿酸血症是什么意思
起湿疹是什么原因造成的	人打嗝是什么原因	肩胛骨缝疼挂什么科	ast什么意思	兰花什么时候开花
茉莉龙珠是什么茶	老人身上痒是什么原因	鹅蛋脸适合戴什么眼镜	肺结节吃什么药散结节最快	戒烟有什么好处

脚后跟疼是什么情况hcv7jop9ns0r.cn	4.26是什么星座hcv8jop1ns6r.cn	全身无力吃什么药hcv9jop6ns4r.cn	什么是溶血症hcv8jop7ns2r.cn	久负盛名的负是什么意思1949doufunao.com
大便很臭什么原因hcv7jop4ns6r.cn	脉率是什么hcv7jop9ns6r.cn	准生证什么时候办hcv8jop7ns3r.cn	拖拖拉拉什么意思hcv9jop5ns8r.cn	每天流鼻血是什么原因hcv8jop0ns4r.cn
h代表什么hcv9jop3ns7r.cn	疟疾是什么病shenchushe.com	大头鱼吃什么食物hcv8jop8ns4r.cn	肾虚是什么原因造成的hcv7jop7ns3r.cn	用什么锅炒菜对人体健康更有益hcv7jop9ns4r.cn
同型半胱氨酸高挂什么科hcv8jop2ns7r.cn	什么是扬州瘦马hcv7jop4ns5r.cn	隐形眼镜护理液可以用什么代替hcv7jop7ns0r.cn	正连级是什么军衔hcv8jop7ns6r.cn	消炎药不能和什么一起吃imcecn.com

Extra transportation added for Canton Fair

More Learning

Tech Support

Wolfram Solutions

Wolfram Solutions For Education

Get Started

Grow Your Skills

Work with Us

Educational Programs for Adults

Educational Programs for Youth

Read

LinearLayer

更多信息和选项

范例

基本范例 (2)