Ім'я файлу: Богайчук Нейронні мережі.docx
Розширення: docx
Розмір: 1578кб.
Дата: 14.03.2021
скачати
Пов'язані файли:
strategichniy_menedzhment_.doc
Розширення: docx
Розмір: 1578кб.
Дата: 14.03.2021
скачати
Пов'язані файли:
strategichniy_menedzhment_.doc
Рівень ReLU
layer {
name: "relu1"
type: "ReLU"
bottom: "ip1"
top: "ip1"
}
ReLU є поелементною операцією. Дане вхідне значення х, шар ReLU обчислює вихід, як х, якщо х> 0 і negative_slope * х, якщо х <= 0. Коли параметр negative_slope не встановлено, це еквівалентно стандартній функції ReLU взяття max(х , 0). Також підтримується “in-place”обчислення, а це означає, що нижня і верхня мітка може бути одна й та ж, що зменшує споживання пам'яті.
Далі пишемо другий шар InnerProduct
layer {
name: "ip2"
type: "InnerProduct"
param { lr_mult: 1 }
param { lr_mult: 2 }
weight_filler {
inner_product_param {
type: "xavier"
| } | |
| bias_filler { | |
type: "constant"
}
bottom: "ip1"
top: "ip2"
}