Bilinear

paddle.nn. Bilinear ( in1_features, in2_features, out_features, weight_attr=None, bias_attr=None, name=None ) [源代码]

该层对两个输入执行双线性张量积。

例如:

\[ \begin{align}\begin{aligned}out_{i} = x1 * W_{i} * {x2^\mathrm{T}}, i=0,1,...,outfeatures-1\\out = out + b\end{aligned}\end{align} \]
在这个公式中：

  • \(x1\): 第一个输入，包含 :in1_features个元素，形状为 [batch_size, in1_features]。

  • \(x2\): 第二个输入，包含 :in2_features个元素，形状为 [batch_size, in2_features]。

  • \(W_{i}\): 第 :i个被学习的权重，形状是 [in1_features, in2_features], 而完整的W（即可训练的参数W）的形状为[out_features, in1_features, in2_features]。

  • \(out_{i}\): 输出的第 :i个元素，形状是 [batch_size]， 而完整的out的形状为[batch_size, out_features]。

  • \(b\): 被学习的偏置参数，形状是 [1, out_features]。

  • \(x2^\mathrm{T}\): \(x2\) 的转置。

参数

  • in1_features (int): 每个 x1 元素的维度。

  • in2_features (int): 每个 x2 元素的维度。

  • out_features (int): 输出张量的维度。

  • weight_attr (ParamAttr，可选) ：指定权重参数属性的对象。默认值为 None，表示使用默认的权重参数属性。

  • bias_attr (ParamAttr，可选) : 指定偏置参数属性的对象。默认值为 None，表示使用默认的偏置参数属性，此时bias的元素会被初始化成0。如果设置成False，则不会有bias加到output结果上。

  • name (str，可选) – 具体用法请参见 Name ，一般无需设置，默认值为 None。

属性

  • weight 本层的可学习参数，类型为 Parameter

  • bias 本层的可学习偏置，类型为 Parameter

返回

Tensor，一个形为 [batch_size, out_features] 的 2-D 张量。

代码示例

import paddle
import numpy

layer1 = numpy.random.random((5, 5)).astype('float32')
layer2 = numpy.random.random((5, 4)).astype('float32')
bilinear = paddle.nn.Bilinear(
    in1_features=5, in2_features=4, out_features=1000)
result = bilinear(paddle.to_tensor(layer1),
                paddle.to_tensor(layer2))     # result shape [5, 1000]