文档反馈

问题文档片段

问题文档片段包含公式时，显示为空格。

提交类型

issue

有点复杂...

找人问问吧。

请选择提交类型

问题类型

规范和低错类

- 规范和低错类：

- 错别字或拼写错误，标点符号使用错误、公式错误或显示异常。

- 链接错误、空单元格、格式错误。

- 英文中包含中文字符。

- 界面和描述不一致，但不影响操作。

- 表述不通顺，但不影响理解。

- 版本号不匹配：如软件包名称、界面版本号。

易用性

- 易用性：

- 关键步骤错误或缺失，无法指导用户完成任务。

- 缺少主要功能描述、关键词解释、必要前提条件、注意事项等。

- 描述内容存在歧义指代不明、上下文矛盾。

- 逻辑不清晰，该分类、分项、分步骤的没有给出。

正确性

- 正确性：

- 技术原理、功能、支持平台、参数类型、异常报错等描述和软件实现不一致。

- 原理图、架构图等存在错误。

- 命令、命令参数等错误。

- 代码片段错误。

- 命令无法完成对应功能。

- 界面错误，无法指导操作。

- 代码样例运行报错、运行结果不符。

风险提示

- 风险提示：

- 对重要数据或系统存在风险的操作，缺少安全提示。

内容合规

- 内容合规：

- 违反法律法规，涉及政治、领土主权等敏感词。

- 内容侵权。

请选择问题类型

问题描述

点击输入详细问题描述，以帮助我们快速定位问题。

提交

文档反馈

mindspore.nn.Dense

class mindspore.nn.Dense(in_channels, out_channels, weight_init='normal', bias_init='zeros', has_bias=True, activation=None)

全连接层。

适用于输入的密集连接层。公式如下：

$$\text{outputs}=\text{activation}(\text{X}\ast \text{kernel}+\text{bias}),$$

其中 $X$ 是输入Tensor， $\text{activation}$ 是激活函数， $\text{kernel}$ 是一个权重矩阵，其数据类型与 $X$ 相同， $\text{bias}$ 是一个偏置向量，其数据类型与 $X$ 相同（仅当has_bias为True时）。

参数：

• in_channels (int) - Dense层输入Tensor的空间维度。

• out_channels (int) - Dense层输出Tensor的空间维度。

• weight_init (Union[Tensor, str, Initializer, numbers.Number]) - 权重参数的初始化方法。数据类型与 x 相同。str的值引用自函数 initializer。默认值：’normal’。

• bias_init (Union[Tensor, str, Initializer, numbers.Number]) - 偏置参数的初始化方法。数据类型与 x 相同。str的值引用自函数 initializer。默认值：’zeros’。

• has_bias (bool) - 是否使用偏置向量 $\text{bias}$ 。默认值：True。

• activation (Union[str, Cell, Primitive, None]) - 应用于全连接层输出的激活函数。可指定激活函数名，如’relu’，或具体激活函数，如mindspore.nn.ReLU()。默认值：None。

输入：

• x (Tensor) - shape为 $(\ast ,in\mathrm{\_}channels)$ 的Tensor。参数中的 in_channels 应等于输入中的 $in\mathrm{\_}channels$ 。

输出：

shape为 $(\ast ,out\mathrm{\_}channels)$ 的Tensor。

异常：

• TypeError - in_channels 或 out_channels 不是整数。

• TypeError - has_bias 不是bool值。

• TypeError - activation 不是str、Cell、Primitive或者None。

• ValueError - weight_init 的shape长度不等于2，weight_init 的shape[0]不等于 out_channels，或者 weight_init 的shape[1]不等于 in_channels。

• ValueError - bias_init 的shape长度不等于1或 bias_init 的shape[0]不等于 out_channels。

支持平台：

Ascend GPU CPU

样例：

>>> x = Tensor(np.array([[180, 234, 154], [244, 48, 247]]), mindspore.float32)
>>> net = nn.Dense(3, 4)
>>> output = net(x)
>>> print(output.shape)
(2, 4)