Bilinear

paddle.nn.Bilinear ( in1_features, in2_features, out_features, weight_attr\=None, bias_attr\=None, name\=None ) [源代码]

该层对两个输入执行双线性张量积。

例如:

在这个公式中：

• 

  : 第一个输入，包含 :in1_features个元素，形状为 [batch_size, in1_features]。

• 

  : 第二个输入，包含 :in2_features个元素，形状为 [batch_size, in2_features]。

• 

  : 第 :i个被学习的权重，形状是 [in1_features, in2_features]。

• outiouti: 输出的第 :i个元素，形状是 [batch_size, out_features]。

• bb: 被学习的偏置参数，形状是 [1, out_features]。

• x2Tx2T: x2x2 的转置。

参数

• in1_features (int): 每个 x1 元素的维度。

• in2_features (int): 每个 x2 元素的维度。

• out_features (int): 输出张量的维度。

• weight_attr (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。

• bias_attr (ParamAttr，可选) : 指定偏置参数属性的对象。默认值为 None，表示使用默认的偏置参数属性，此时bias的元素会被初始化成0。如果设置成False，则不会有bias加到output结果上。

• name (str，可选) – 具体用法请参见 Name ，一般无需设置，默认值为 None。

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

返回

Tensor，一个形为 [batch_size, out_features] 的 2-D 张量。

代码示例

import paddle
import numpy
layer1 = numpy.random.random((5, 5)).astype('float32')
layer2 = numpy.random.random((5, 4)).astype('float32')
bilinear = paddle.nn.Bilinear(
    in1_features=5, in2_features=4, out_features=1000)
result = bilinear(paddle.to_tensor(layer1),
                paddle.to_tensor(layer2))     # result shape [5, 1000]