TreeConv

class paddle.fluid.dygraph. TreeConv ( feature_size, output_size, num_filters=1, max_depth=2, act='tanh', param_attr=None, bias_attr=None, name=None, dtype='float32' ) [源代码]

该接口用于构建 TreeConv 类的一个可调用对象，具体用法参照 代码示例。其将在神经网络中构建一个基于树结构的卷积（Tree-Based Convolution）运算。基于树的卷积是基于树的卷积神经网络（TBCNN，Tree-Based Convolution Neural Network）的一部分，它用于对树结构进行分类，例如抽象语法树。Tree-Based Convolution提出了一种称为连续二叉树的数据结构，它将多路（multiway）树视为二叉树。详情请参考：基于树的卷积论文 。

参数

  • feature_size (int) – nodes_vector的shape的最后一维的维度。

  • output_size (int) – 输出特征宽度。

  • num_filters (int，可选) – 滤波器的数量，默认值为1。

  • max_depth (int，可选) – 滤波器的最大深度，默认值为2。

  • act (str，可选) – 应用于输出上的激活函数，如tanh、softmax、sigmoid，relu等，支持列表请参考 激活函数，默认值为None。

  • param_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。具体用法请参见 ParamAttr 。

  • 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。具体用法请参见 ParamAttr 。

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

  • dtype (str，可选) - 数据类型，可以为"float32"或"float64"。默认值为"float32"。

返回

无

代码示例

import paddle.fluid as fluid
import numpy

with fluid.dygraph.guard():
    nodes_vector = numpy.random.random((1, 10, 5)).astype('float32')
    edge_set = numpy.random.random((1, 9, 2)).astype('int32')
    treeConv = fluid.dygraph.nn.TreeConv(
      feature_size=5, output_size=6, num_filters=1, max_depth=2)
    ret = treeConv(fluid.dygraph.base.to_variable(nodes_vector), fluid.dygraph.base.to_variable(edge_set))

属性

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