我的书签
添加书签
移除书签paddle.nn
paddle.nn 目录下包含飞桨框架支持的神经网络层和相关函数的相关API。具体如下：
容器相关
API名称 | API功能 |
|---|---|
基于OOD实现的动态图Layer | |
用于保存子层列表 | |
参数列表容器 | |
顺序容器；子Layer将按构造函数参数的顺序添加到此容器中 |
卷积层
API名称 | API功能 |
|---|---|
一维卷积层 | |
一维转置卷积层 | |
二维卷积层 | |
二维转置卷积层 | |
三维卷积层 | |
三维转置卷积层 |
pooling层
API名称 | API功能 |
|---|---|
一维自适应平均池化层 | |
二维自适应平均池化层 | |
三维自适应平均池化层 | |
一维自适应最大池化层 | |
二维自适应最大池化层 | |
三维自适应最大池化层 | |
一维平均池化层 | |
二维平均池化层 | |
三维平均池化层 | |
一维最大池化层 | |
二维最大池化层 | |
三维最大池化层 |
Padding层
API名称 | API功能 |
|---|---|
一维填充层 | |
二维填充层 | |
三维填充层 |
激活层
API名称 | API功能 |
|---|---|
ELU激活层 | |
GELU激活层 | |
Hardshrink激活层 | |
Hardsigmoid激活层 | |
Hardswish激活层 | |
Hardtanh激活层 | |
LeakyReLU 激活层 | |
LogSigmoid激活层 | |
LogSoftmax激活层 | |
Maxout激活层 | |
PReLU激活层 | |
ReLU激活层 | |
ReLU6激活层 | |
SELU激活层 | |
Sigmoid激活层 | |
Softmax激活层 | |
Softplus激活层 | |
Softshrink激活层 | |
Softsign激活层 | |
Swish激活层 | |
Tanh激活层 | |
Tanhshrink激活层 | |
Thresholded ReLU激活层 |
Normalization层
API名称 | API功能 |
|---|---|
Batch Normalization层 | |
一维Batch Normalization层 | |
二维Batch Normalization层 | |
三维Batch Normalization层 | |
Group Normalization层 | |
一维Instance Normalization层 | |
二维Instance Normalization层 | |
三维Instance Normalization层 | |
用于保存Normalization层列表 | |
Local Response Normalization层 | |
Spectral Normalization层 | |
Synchronized Batch Normalization层 |
循环神经网络层
API名称 | API功能 |
|---|---|
双向循环神经网络 | |
门控循环单元网络 | |
门控循环单元 | |
长短期记忆网络 | |
长短期记忆网络单元 | |
循环神经网络 | |
循环神经网络单元基类 | |
简单循环神经网络 | |
简单循环神经网络单元 |
Transformer相关
API名称 | API功能 |
|---|---|
多头注意力机制 | |
Transformer模型 | |
Transformer解码器 | |
Transformer解码器层 | |
Transformer编码器 | |
Transformer编码器层 |
线性层
API名称 | API功能 |
|---|---|
对两个输入执行双线性张量积 | |
线性变换层 |
Dropout层
API名称 | API功能 |
|---|---|
具有自归一化性质的dropout | |
Dropout | |
一维Dropout | |
二维Dropout |
Embedding层
API名称 | API功能 |
|---|---|
嵌入层(Embedding Layer) |
Loss层
API名称 | API功能 |
|---|---|
BCELoss层 | |
BCEWithLogitsLoss层 | |
交叉熵损失层 | |
CTCLoss层 | |
层次sigmoid损失层 | |
Kullback-Leibler散度损失层 | |
L1损失层 | |
MarginRankingLoss层 | |
均方差误差损失层 | |
NLLLoss层 | |
平滑L1损失层 |
Vision层
API名称 | API功能 |
|---|---|
将一个形为[N, C, H, W]或是[N, H, W, C]的Tensor重新排列成形为 [N, C/r2, Hr, Wr]或 [N, Hr, Wr, C/r2] 的Tensor | |
用于调整一个batch中图片的大小 | |
用于调整一个batch中图片的大小（使用双线性插值方法） | |
用于调整一个batch中图片的大小（使用最近邻插值方法） |
Clip相关
API名称 | API功能 |
|---|---|
将一个 Tensor列表 t_list 中所有Tensor的L2范数之和，限定在 clip_norm 范围内 | |
将输入的多维Tensor X 的L2范数限制在 clip_norm 范围之内 | |
将输入的多维Tensor X 的值限制在 [min, max] 范围 |
公共层
API名称 | API功能 |
|---|---|
带beam search解码策略的解码器 | |
余弦相似度计算 | |
循环解码 | |
将一个连续维度的Tensor展平成一维Tensor | |
计算两个向量之间pairwise的距离 |
卷积相关函数
API名称 | API功能 |
|---|---|
一维卷积函数 | |
一维转置卷积函数 | |
二维卷积函数 | |
二维转置卷积函数 | |
三维卷积函数 | |
三维转置卷积函数 |
Pooling相关函数
API名称 | API功能 |
|---|---|
一维自适应平均池化 | |
二维自适应平均池化 | |
三维自适应平均池化 | |
一维自适应最大池化 | |
一维平均池化 | |
二维平均池化 | |
三维平均池化 | |
一维最大池化 | |
二维最大池化 | |
三维最大池化 |
Padding相关函数
API名称 | API功能 |
|---|---|
依照 pad 和 mode 属性对input进行填充 |
激活函数
API名称 | API功能 |
|---|---|
elu激活函数 | |
gelu激活函数 | |
hardshrink激活函数 | |
sigmoid的分段线性逼近激活函数 | |
hardswish激活函数 | |
hardtanh激活函数 | |
leaky_relu激活函数 | |
log_sigmoid激活函数 | |
log_softmax激活函数 | |
maxout激活函数 | |
prelu激活函数 | |
relu激活函数 | |
relu6激活函数 | |
selu激活函数 | |
sigmoid激活函数 | |
softmax激活函数 | |
softplus激活函数 | |
softshrink激活函数 | |
softsign激活函数 | |
swish激活函数 | |
tanhshrink激活函数 | |
thresholded_relu激活函数 |
Normalization方法
API名称 | API功能 |
|---|---|
Batch Normalization方法 | |
Instance Normalization方法 | |
Layer Normalization方法 | |
Local Response Normalization函数 | |
归一化方法 | |
移除传入 layer 中的权重归一化 | |
对传入的 layer 中的权重参数进行归一化 |
线性处理相关函数
API名称 | API功能 |
|---|---|
对两个输入执行双线性张量积 | |
线性变换 | |
线性学习率热身(warm up) |
Dropout方法
API名称 | API功能 |
|---|---|
一种具有自归一化性质的dropout | |
Dropout | |
一维Dropout | |
二维Dropout |
Embedding相关函数
API名称 | API功能 |
|---|---|
对角线Embedding 方法 | |
Embedding 方法 |
损失函数
API名称 | API功能 |
|---|---|
二值交叉熵损失值 | |
logits二值交叉熵损失值 | |
用于计算ctc损失 | |
用于比较预测结果跟标签之间的相似度 | |
层次sigmoid损失函数 | |
用于计算L1损失 | |
用于计算KL散度损失 | |
用于计算负对数损失 | |
为所有示例采样若干个样本，并计算每行采样张量的SoftMax标准化值，然后计算交叉熵损失 | |
用于计算margin rank loss 损失 | |
用于计算均方差误差 | |
用于计算nll损失 | |
成对数据损失计算 | |
用于计算分类任务中前景类-背景类数量不均衡问题的损失 | |
用于计算平滑L1损失 | |
将softmax操作、交叉熵损失函数的计算过程进行合并 | |
用于SSD物体检测算法的多窗口损失计算 |
公用方法
API名称 | API功能 |
|---|---|
将输入inpu中每个位置（序列中的位置）的特征与对应的位置编码加权求和 | |
对输入的每个 channel 应用单独的仿射变换 | |
用于生成仿射变换前后的feature maps的坐标映射关系 | |
将输入Tensor或numpy数组拷贝至输出Tensor | |
用于计算x1与x2沿axis维度的余弦相似度 | |
计算输入input和标签label间的交叉熵 | |
给定回归位置偏移、置信度以及先验框信息计算检测的输出 | |
Feature Pyramid Networks（FPN）模型中依据proposal的尺度和参考尺度与级别将所有proposal分配到不同的FPN级别中 | |
用于调整一个batch中图片的大小 | |
计算两个框列表的intersection-over-union(IOU) | |
标签平滑 | |
计算一批给定字符串及其参照字符串间的编辑距离 | |
将输入’x’中的每个id转换为一个one-hot向量 | |
将Tensor重新排列 | |
对成块的空间数据进行重组 | |
用于计算预测值和目标值的方差估计 | |
对每一个卷积核覆盖下的区域，将元素重新排成一列 |
初始化相关
API名称 | API功能 |
|---|---|
使用Numpy数组、Python列表、Tensor来初始化参数 | |
该接口为参数初始化函数，用于转置卷积函数中 | |
用于权重初始化，通过输入的value值初始化输入变量 | |
实现Kaiming正态分布方式的权重初始化 | |
实现Kaiming均匀分布方式的权重初始化 | |
随机正态（高斯）分布初始化函数 | |
用于设置Paddle框架中全局的参数初始化方法 | |
随机截断正态（高斯）分布初始化函数 | |
随机均匀分布初始化函数 | |
实现Xavier权重初始化方法（ Xavier weight initializer） | |
实现Xavier权重初始化方法（ Xavier weight initializer） |
