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