sciai.architecture.MLP

class sciai.architecture.MLP(layers, weight_init='xavier_trunc_normal', bias_init='zeros', activation='tanh', last_activation=None)

多层感知器。最后一层没有激活函数。

layers 中的第一个值应等于输入Tensor中的最后一个轴的size in_channels 。

参数：

• layers (Union(tuple[int], list[int])) - 每层神经元数量的列表，例如：[2, 10, 10, 1]。

• weight_init (Union[str, Initializer]) - Dense 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：’xavier_trunc_normal’。

• bias_init (Union[str, Initializer]) - Dense 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’。

• activation (Union[str, Cell, Primitive, FunctionType, None]) - 应用于全连接层输出的激活函数，不包括最后一层。可指定激活函数名， 如 ‘relu’，或具体激活函数，如 nn.ReLU() 。默认值：’tanh’。

• last_activation (Union[str, Cell, Primitive, FunctionType, None]) - 应用于全连接层最后一层输出的激活函数。类型规则与 activation 一致。默认值：None。

输入：

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

输出：

Union(Tensor, tuple[Tensor])，网络的输出。

异常：

• TypeError - layers 不是 list、tuple, 或其中任何元素不是整数。

• TypeError - activation 不是 str, Cell, Primitive, FunctionType或者None。

• TypeError - last_activation 不是 str, Cell, Primitive, FunctionType或者None。

• ValueError - weight_init 不是 str、Initializer。

• ValueError - bias_init 不是 str、Initializer。

支持平台：

Ascend GPU CPU

样例：

>>> import mindspore as ms
>>> import numpy as np
>>> from sciai.architecture import MLP
>>> x = ms.Tensor(np.array([[180, 234, 154], [244, 48, 247]]), ms.float32)
>>> net = MLP((3, 10, 4))
>>> output = net(x)
>>> print(output.shape)
(2, 4)

biases()

所有 Dense 层的偏置参数列表。

返回：

list[Parameter]，所有偏置参数。

weights()

所有 Dense 层的权重参数列表。

返回：

list[Parameter]，所有权重参数。