NetNestOperator

NetNestOperator[net,n]

表示一个网络，其中对输入应用 net n 次.

更多信息和选项

  • NetNestOperator[net,n] 接受单个输入数组 s0，给出输出数组 sn，计算过程为对 si-1 反复应用网络以算出 si .
  • 在 NetNestOperator[net,n] 中，net 应应只接受一个输入，只产生一个输出. 输入和输出的维数必须相同.
  • NetNestOperator 开放下列端口，以便用于 NetGraph 等：
  • "Input"初始状态 s0
    "Output"终态 sn
  • 如果 net 含有可训练的参数，每一次对输入应用 net 时都使用同样的参数.
  • 如果 net 不含有可训练的参数，NetNestOperator[net,n] 等价于含有 n 个 net 的复制品的 NetChain.
  • 可包含以下训练参数：
  • LearningRateMultipliersAutomatic网络中可训练数组的学习率乘子
  • NetExtract 允许通过 "Net" 访问前向和反向网络.
  • Options[NetNestOperator] 给出构建运算器的默认选项的列表. Options[NetNestOperator[…]] 给出在一些数据上运行运算器的默认选项列表.
  • Information[NetNestOperator[…]] 给出关于该运算器的报告.
  • Information[NetNestOperator[…],prop] 给出 NetNestOperator[…] 的属性 prop 的值. 可能的属性与 NetGraph 相同.

范例

打开所有单元关闭所有单元

基本范例  (1)

创建应用 LinearLayer 10 次的网络：

随机初始化网络并对输入应用网络：

巧妙范例  (1)

通过嵌套卷积和池化扭曲一幅图像. 首先，创建进行卷积、池化和非线性处理的链：

创建一个把该链应用 30 次的网络：

随机初始化网络，对测试图像应用网络：:

展示从不同的随机初始化开始所得到的不同结果：

Wolfram Research (2017)，NetNestOperator，Wolfram 语言函数，https://reference.wolfram.com/language/ref/NetNestOperator.html （更新于 2020 年）.

文本

Wolfram Research (2017)，NetNestOperator，Wolfram 语言函数，https://reference.wolfram.com/language/ref/NetNestOperator.html （更新于 2020 年）.

CMS

Wolfram 语言. 2017. "NetNestOperator." Wolfram 语言与系统参考资料中心. Wolfram Research. 最新版本 2020. https://reference.wolfram.com/language/ref/NetNestOperator.html.

APA

Wolfram 语言. (2017). NetNestOperator. Wolfram 语言与系统参考资料中心. 追溯自 https://reference.wolfram.com/language/ref/NetNestOperator.html 年

BibTeX

@misc{reference.wolfram_2024_netnestoperator, author="Wolfram Research", title="{NetNestOperator}", year="2020", howpublished="\url{https://reference.wolfram.com/language/ref/NetNestOperator.html}", note=[Accessed: 22-November-2024 ]}

BibLaTeX

@online{reference.wolfram_2024_netnestoperator, organization={Wolfram Research}, title={NetNestOperator}, year={2020}, url={https://reference.wolfram.com/language/ref/NetNestOperator.html}, note=[Accessed: 22-November-2024 ]}