Skip to content
体验新版
项目
组织
正在加载...
登录
切换导航
打开侧边栏
PaddlePaddle
X2Paddle
提交
cef5e22c
X
X2Paddle
项目概览
PaddlePaddle
/
X2Paddle
12 个月 前同步成功
通知
327
Star
698
Fork
167
代码
文件
提交
分支
Tags
贡献者
分支图
Diff
Issue
26
列表
看板
标记
里程碑
合并请求
4
Wiki
0
Wiki
分析
仓库
DevOps
项目成员
Pages
X
X2Paddle
项目概览
项目概览
详情
发布
仓库
仓库
文件
提交
分支
标签
贡献者
分支图
比较
Issue
26
Issue
26
列表
看板
标记
里程碑
合并请求
4
合并请求
4
Pages
分析
分析
仓库分析
DevOps
Wiki
0
Wiki
成员
成员
收起侧边栏
关闭侧边栏
动态
分支图
创建新Issue
提交
Issue看板
体验新版 GitCode,发现更多精彩内容 >>
未验证
提交
cef5e22c
编写于
4月 03, 2019
作者:
J
Jason
提交者:
GitHub
4月 03, 2019
浏览文件
操作
浏览文件
下载
电子邮件补丁
差异文件
Update InnerProduct.md
上级
33dbe147
变更
1
隐藏空白更改
内联
并排
Showing
1 changed file
with
18 addition
and
8 deletion
+18
-8
caffe2fluid/doc/InnerProduct.md
caffe2fluid/doc/InnerProduct.md
+18
-8
未找到文件。
caffe2fluid/doc/InnerProduct.md
浏览文件 @
cef5e22c
...
...
@@ -47,16 +47,26 @@ paddle.fluid.layers.fc(
```
### 功能差异
#### 参数初始化的差异
Caffe:第一个
`param`
负责设置卷积核的局部学习率和权值衰减因子,第二个
`param`
则负责设置偏置项的局部学习率和权值衰减因子;而卷积核和偏置项的在
`convolution_param`
中进行设置;是否使用偏置项可以使用
`bias_term`
进行设置。
PaddlePaddle:Caffe中的卷积核和偏置项的多处设置均分别在一个参数——
`param_attr`
/
`bias_attr`
中完成所有操作。二者的默认值为None,而ParamAttr是一个初始化结果,其可以通过
`paddle.fluid.ParamAttr(name=None, initializer=None, learning_rate=1.0, regularizer=None, trainable=True, gradient_clip=None, do_model_average=False)`
获得;bias_attr同时可以是设置为布尔型,用来表示是否使用偏置项。
#### 参数格式的差异
#### 参数初始化
Caffe:Layer定义中共有两个结构体
`param`
用于设置局部学习率和权值衰减因子,其中第一个用于设置卷积核,第二个则用于设置偏值项;卷积核和偏置项的初始化参数在
`convolution_param`
中进行设置;是否使用偏置项可以使用
`bias_term`
进行设置。
PaddlePaddle:卷积核和偏置项的参数分别使用
`param_attr`
和
`bias_attr`
进行配置,配置参数如下所示,此外将
`bias_attr`
直接设为
`False`
表示不使用偏置项。
```
paddle.fluid.ParamAttr(
name=None,
initializer=None,
learning_rate=1.0,
regularizer=None,
trainable=True,
gradient_clip=None,
do_model_average=False
)
```
#### 参数格式
Caffe:输入参数的数据格式是
`(filter_num, channel*height*width)`
。
PaddlePaddle:在
`num_flatten_dims=1`
且
维度为4的情况下,其输入参数的输入数据格式则是
`(channel*height*width, filter_num)`
,而其他不管什么情况PaddlePaddle的filter_num都始终应该
放在第二维。
#### 输入数据扁平化
的差异
PaddlePaddle:在
`num_flatten_dims=1`
且
输入数据维度为4的情况下,其输入参数的数据格式是
`(channel*height*width, filter_num)`
;其他情况下输入参数的数据格式不一定是二维的,但是
`filter_num`
都始终
放在第二维。
#### 输入数据扁平化
Caffe:将输入数据的第一维默认为batch size,其他剩余的几个维度扁平化压缩成一个向量进行全连接的计算。
PaddlePaddle:通过设置
`num_flatten_dims`
的值,
确认后
`rank(input)
-num_flatten_dim`
个维度扁平化压缩成一个向量进行全连接计算。
PaddlePaddle:通过设置
`num_flatten_dims`
的值,
使
`输入数据的维度
-num_flatten_dim`
个维度扁平化压缩成一个向量进行全连接计算。
#### 其他差异
...
...
编辑
预览
Markdown
is supported
0%
请重试
或
添加新附件
.
添加附件
取消
You are about to add
0
people
to the discussion. Proceed with caution.
先完成此消息的编辑!
取消
想要评论请
注册
或
登录