TreeConv

class paddle.fluid.dygraph. TreeConv ( feature_size, output_size, num_filters=1, max_depth=2, act=’tanh’, param_attr=None, bias_attr=None, name=None, dtype=’float32’ ) [源代码]

该接口用于构建 TreeConv 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基于树结构的卷积（Tree-Based Convolution）运算。基于树的卷积是基于树的卷积神经网络（TBCNN，Tree-Based Convolution Neural Network）的一部分，它用于对树结构进行分类，例如抽象语法树。 Tree-Based Convolution提出了一种称为连续二叉树的数据结构，它将多路（multiway）树视为二叉树。详情请参考： 基于树的卷积论文 。

参数：

  • feature_size (int) – nodes_vector的shape的最后一维的维度。

  • output_size (int) – 输出特征宽度。

  • num_filters (int, 可选) – 滤波器的数量，默认值为1。

  • max_depth (int, 可选) – 滤波器的最大深度，默认值为2。

  • 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。

  • param_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。具体用法请参见 ParamAttr 。

  • 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。具体用法请参见 ParamAttr 。

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

  • dtype (str, 可选) - 数据类型，可以为”float32”或”float64”。默认值为”float32”。

返回：无

代码示例:

  1. import paddle.fluid as fluid
  2. import numpy
  4. with fluid.dygraph.guard():
  5.     nodes_vector = numpy.random.random((1, 10, 5)).astype('float32')
  6.     edge_set = numpy.random.random((1, 9, 2)).astype('int32')
  7.     treeConv = fluid.dygraph.nn.TreeConv(
  8.       feature_size=5, output_size=6, num_filters=1, max_depth=2)
  9.     ret = treeConv(fluid.dygraph.base.to_variable(nodes_vector), fluid.dygraph.base.to_variable(edge_set))

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