FC

  • class paddle.fluid.dygraph.FC(name_scope, size, num_flatten_dims=1, param_attr=None, bias_attr=None, act=None, is_test=False, dtype='float32')[源代码]

全连接层

该接口用于构建 FC 类的一个可调用对象,具体用法参照 代码示例 。其将在神经网络中构建一个全连接层。其输入可以是一个 Tensor 或多个 Tensor 组成的list(详见参数说明),该接口会为每个输入的Tensor创建一个权重(weights)变量,即一个从每个输入单元到每个输出单元的全连接权重矩阵。全连接层将每个输入Tensor和其对应的权重(weights)相乘得到shape为

FC - 图1 的输出Tensor,其中N为batch_size大小。如果有多个输入Tensor,则多个shape为 FC - 图2 的Tensor计算结果会被累加起来,作为最终输出。如果 bias_attr 为False,表示不会为该层添加偏置。如果 act 非空,将会在输出结果上应用相应的激活函数。

当输入为单个 Tensor

FC - 图3

当输入为多个 Tensor 组成的list时:

FC - 图4

  • 上述等式中:
    • FC - 图5 :输入的数目,如果输入是Tensor列表,N等于len(input)
    • FC - 图6 :第i个输入的Tensor
    • FC - 图7 :对应第i个输入张量的第i个权重矩阵
    • FC - 图8 :该层创建的bias参数
    • FC - 图9 :激活函数
    • FC - 图10 :输出Tensor
  1. Case 1
  2. 给定单个输入Tensor data_1, num_flatten_dims = 2:
  3. data_1.data = [[[0.1, 0.2],
  4. [0.3, 0.4]]]
  5. data_1.shape = (1, 2, 2) # 1是batch_size
  6.  
  7. fc = FC("fc", 1, num_flatten_dims=2)
  8. out = fc(data_1)
  9.  
  10. 则输出为:
  11. out.data = [[0.83234344], [0.34936576]]
  12. out.shape = (1, 2, 1)
  13.  
  14. Case 2:
  15. 给定多个Tensor组成的list:
  16. data_1.data = [[[0.1, 0.2],
  17. [0.3, 0.4]]]
  18. data_1.shape = (1, 2, 2) # 1 是 batch_size
  19.  
  20. data_2 = [[[0.1, 0.2, 0.3]]]
  21. data_2.shape = (1, 1, 3)
  22.  
  23. fc = FC("fc", 2)
  24. out = fc([data_1, data_2])
  25.  
  26. 则输出为:
  27. out.data = [[0.18669507, 0.1893476]]
  28. out.shape = (1, 2)
  • 参数:
    • name_scope (str) – 类的名称。
    • size (int) – 全连接层输出单元的数目,即输出 Tensor 的特征维度。
    • num_flatten_dims (int, 可选) – fc层可以接受一个维度大于2的tensor。此时, 它首先会被扁平化(flattened)为一个二维矩阵。 参数 num_flatten_dims 决定了输入tensor的flattened方式: 前 num_flatten_dims (包含边界,从1开始数) 个维度会被扁平化为最终矩阵的第一维 (维度即为矩阵的高), 剩下的 rank(X) - num_flatten_dims 维被扁平化为最终矩阵的第二维 (即矩阵的宽)。 例如, 假设X是一个五维tensor,其形可描述为[2, 3, 4, 5, 6], 且num_flatten_dims = 3。那么扁平化的矩阵形状将会如此: [2 x 3 x 4, 5 x 6] = [24, 30]。默认为1。
    • param_attr (ParamAttr|list of ParamAttr, 可选) – 指定权重参数属性的对象。默认值为None,表示使用默认的权重参数属性。具体用法请参见 ParamAttr
    • bias_attr (ParamAttr|list of ParamAttr|bool, 可选) – 指定偏置参数属性的对象,若 bias_attr 为bool类型,如果设置为False,表示不会为该层添加偏置;如果设置为True,表示使用默认的偏置参数属性。默认值为None,表示使用默认的偏置参数属性。默认的偏置参数属性将偏置参数的初始值设为0。具体用法请参见 ParamAttr
    • act (str, 可选) – 应用于输出上的激活函数,如tanh、softmax、sigmoid,relu等,支持列表请参考 激活函数 ,默认值为None。
    • is_test (bool, 可选) – 表明当前执行是否处于测试阶段的标志。默认为False。
    • dtype (str, 可选) – 权重的数据类型,可以为float32或float64。默认为float32。

返回:无

代码示例

  1. from paddle.fluid.dygraph.base import to_variable
  2. import paddle.fluid as fluid
  3. from paddle.fluid.dygraph import FC
  4. import numpy as np
  5.  
  6. data = np.random.uniform( -1, 1, [30, 10, 32] ).astype('float32')
  7. with fluid.dygraph.guard():
  8. fc = FC( "fc", 64, num_flatten_dims=2)
  9. data = to_variable(data)
  10. conv = fc(data)

属性

  • weight

本层的可学习参数,类型为 Parameter

  • bias

本层的可学习偏置,类型为 Parameter