Warstwy ukryte i parametry

Wprowadzenie do uczenia głębokiego z PyTorch

Jasmin Ludolf

Senior Data Science Content Developer, DataCamp

Układanie warstw za pomocą nn.Sequential()

# Create network with three linear layers
model = nn.Sequential(

    nn.Linear(n_features, 8),

    nn.Linear(8, 4),
    nn.Linear(4, n_classes)

)

Dane wejściowe są przekazywane przez warstwy liniowe
Warstwy wewnątrz nn.Sequential() są warstwami ukrytymi

Układanie warstw za pomocą nn.Sequential()

# Create network with three linear layers
model = nn.Sequential(
    nn.Linear(n_features, 8), # n_features represents number of input features
    nn.Linear(8, 4),
    nn.Linear(4, n_classes) # n_classes represents the number of output classes  
)

Dane wejściowe są przekazywane przez warstwy liniowe
Warstwy wewnątrz nn.Sequential() są warstwami ukrytymi
n_features i n_classes są określone przez zbiór danych

Dodawanie warstw

Ilustracja sieci neuronowej z dwiema warstwami ukrytymi

Dodawanie warstw

Ilustracja sieci neuronowej z czterema warstwami ukrytymi

Dodawanie warstw

Ilustracja sieci neuronowej z czterema warstwami ukrytymi

Dodawanie warstw

Ilustracja sieci neuronowej z czterema warstwami ukrytymi

Dodawanie warstw

# Create network with three linear layers
model = nn.Sequential(
    nn.Linear(10, 18),
    nn.Linear(18, 20),
    nn.Linear(20, 5)
)

Dodawanie warstw

# Create network with three linear layers
model = nn.Sequential(
    nn.Linear(10, 18), # Takes 10 features and outputs 18
    nn.Linear(18, 20),
    nn.Linear(20, 5)
)

Wejście 10 ➡ wyjście 18 ➡ wyjście 20 ➡ Wyjście 5

Dodawanie warstw

# Create network with three linear layers
model = nn.Sequential(
    nn.Linear(10, 18),
    nn.Linear(18, 20), # Takes 18 and outputs 20
    nn.Linear(20, 5)
)

Wejście 10 ➡ wyjście 18 ➡ wyjście 20 ➡ Wyjście 5

Dodawanie warstw

# Create network with three linear layers
model = nn.Sequential(
    nn.Linear(10, 18),
    nn.Linear(18, 20),
    nn.Linear(20, 5) # Takes 20 and outputs 5
)

Wejście 10 ➡ wyjście 18 ➡ wyjście 20 ➡ Wyjście 5

Warstwy składają się z neuronów

W pełni połączone, gdy każdy neuron łączy się ze wszystkimi neuronami poprzedniej warstwy

Ilustracja warstwy wejściowej i wyjściowej ze strzałkami łączącymi warstwy

Warstwy składają się z neuronów

W pełni połączone, gdy każdy neuron łączy się ze wszystkimi neuronami poprzedniej warstwy

Neuron w warstwie liniowej:

Ilustracja warstwy wejściowej i wyjściowej ze strzałkami łączącymi warstwy oraz zaznaczonym neuronem wyjściowym

Warstwy składają się z neuronów

W pełni połączone, gdy każdy neuron łączy się ze wszystkimi neuronami poprzedniej warstwy

Neuron w warstwie liniowej:
- Wykonuje operację liniową z użyciem wszystkich neuronów poprzedniej warstwy

Ilustracja warstwy wejściowej i wyjściowej ze strzałkami łączącymi warstwy, zaznaczonym neuronem wyjściowym i wyróżnionymi strzałkami

Warstwy składają się z neuronów

W pełni połączone, gdy każdy neuron łączy się ze wszystkimi neuronami poprzedniej warstwy

Neuron w warstwie liniowej:
- Wykonuje operację liniową z użyciem wszystkich neuronów poprzedniej warstwy
- Ma N+1 parametrów: N od wejść i 1 dla obciążenia

N+1