mindspore.ops.Dense

class mindspore.ops.Dense

全连接融合算子。

适用于输入的密集连接算子。算子的实现如下：

$$output=x@w^T+b,$$

其中 $x$ 是输入Tensor， $w$ 是一个权重矩阵，其数据类型与 $x$ 相同， $b$ 是一个偏置向量，其数据类型与 $x$ 相同（仅当 b 不为 None 时）。

输入：

• x (Tensor) - 输入Tensor。shape必须满足： $len(x.shape)>0$ 。

• w (Tensor) - 权重Tensor。shape必须满足： 若 $len(x.shape)>1$ ，则 $len(w.shape)=2$ 。若 $len(x.shape)=1$ ，则 $len(w.shape)=1$ 。 $w.shape[-1]=x.shape[-1]$ 。

• b (Union[Tensor, None]) - 偏置Tensor。当 b 不为 None 时，shape必须满足： 若 $len(x.shape)>1$ ，则 $len(b.shape)=0$ 或 $len(b.shape)=1$ 。若 $len(b.shape)=1$ ， 则 $b.shape[0]=w.shape[0]$ 。若 $len(x.shape)=1$ ，则 $len(b.shape)=0$ 。

输出：

若 $len(x.shape)>1$ ，则输出shape为 $(\ast x.shape[:-1],w.shape[0])$ 的Tensor。若 $len(x.shape)=1$ ，则输出shape为 $()$ 的Tensor。

支持平台：

Ascend GPU CPU

样例：

>>> import numpy as np
>>> from mindspore import Tensor, ops
>>> x = Tensor(np.random.random((4, 5, 6, 7)).astype(np.float32))
>>> weight = Tensor(np.random.random((6, 7)).astype(np.float32))
>>> bias = Tensor(np.random.random((6,)).astype(np.float32))
>>> dense = ops.Dense()
>>> output = dense(x, weight, bias)
>>> print(output.shape)
(4, 5, 6, 6)