mindelec.architecture.MultiScaleFCCell

class mindelec.architecture.MultiScaleFCCell(in_channel, out_channel, layers, neurons, residual=True, act='sin', weight_init='normal', has_bias=True, bias_init='default', num_scales=4, amp_factor=1.0, scale_factor=2.0, input_scale=None, input_center=None, latent_vector=None)[源代码]

多尺度神经网络。

参数：

in_channel (int) - 输入空间中的通道数。
out_channel (int) - 输出空间中的通道数。
layers (int) - 层总数，包括输入/隐藏/输出层。
neurons (int) - 隐藏层的神经元数量。
residual (bool) - 隐藏层的残差块是否为全连接。默认值：True。
act (Union[str, Cell, Primitive, None]) - 应用于全连接层输出的激活函数，例如”ReLU”。默认值：”sin”。
weight_init (Union[Tensor, str, Initializer, numbers.Number]) - 可训练的初始权重值。dtype与输入 input 相同。str的值可参考函数 mindspore.common.initializer。默认值：”normal”。
has_bias (bool) - 指定图层是否使用偏置向量。默认值：True。
bias_init (Union[Tensor, str, Initializer, numbers.Number]) - 可训练的初始偏差值。dtype为与输入 input 相同。str的值可参考函数 mindspore.common.initializer。默认值：”default”。
num_scales (int) - 多规模网络的子网号。默认值：4。
amp_factor (Union[int, float]) - 输入的放大系数。默认值：1.0。
scale_factor (Union[int, float]) - 基本比例因子。默认值：2.0。
input_scale (Union[list, None]) - 输入x/y/t的比例因子。如果不是None，则输入将在网络中设置之前缩放。默认值：None。
input_center (Union[list, None]) - 坐标转换的中心位置。如果不是None，则输入将在网络中设置之前转换。默认值：None。
latent_vector (Union[Parameter, None]) - 与采样输入连接，并在训练期间更新的可训练参数。默认值：None。

输入：

input (Tensor) - shape为 \((*, in\_channels)\) 的Tensor。

输出：

shape为 \((*, out\_channels)\) 的Tensor。

异常：

TypeError - 如果 num_scales 不是int。
TypeError - 如果 amp_factor 既不是int也不是float。
TypeError - 如果 scale_factor 既不是int也不是float。
TypeError - 如果 latent_vector 既不是Parameter，也不是None。

支持平台：

Ascend

样例：

>>> import numpy as np
>>> from mindelec.architecture import MultiScaleFCCell
>>> from mindspore import Tensor, Parameter
>>> inputs = np.ones((64,3)) + 3.0
>>> inputs = Tensor(inputs.astype(np.float32))
>>> num_scenarios = 4
>>> latent_size = 16
>>> latent_init = np.ones((num_scenarios, latent_size)).astype(np.float32)
>>> latent_vector = Parameter(Tensor(latent_init), requires_grad=True)
>>> input_scale = [1.0, 2.0, 4.0]
>>> input_center = [3.5, 3.5, 3.5]
>>> net = MultiScaleFCCell(3, 3, 5, 32,
...                        weight_init="ones", bias_init="zeros",
...                        input_scale=input_scale, input_center=input_center, latent_vector=latent_vector)
>>> output = net(inputs).asnumpy()
>>> print(output.shape)
(64, 3)