create_dl_layer_permutation — Erstellen eines Permutation-Layers.
create_dl_layer_permutation( : : DLLayerInput, LayerName, Permutation, GenParamName, GenParamValue : DLLayerPermutation)
Der Operator create_dl_layer_permutation erzeugt einen
Permutation-Layer, dessen Handle in DLLayerPermutation
zurückgegeben wird.
Der Parameter DLLayerInput bestimmt den zuführenden Eingabelayer
und erwartet das Layer-Handle als Wert.
Der Parameter LayerName legt einen individuellen Layernamen fest.
Es ist zu beachten, dass beim Erstellen eines Modells mit
create_dl_model jeder Layer des erstellten Netzes einen
eindeutigen Namen haben muss.
Der Parameter Permutation bestimmt die neue Reihenfolge der Achsen
des DLLayerInput, in die die Eingabe-Achsen permutiert werden
sollen.
Permutation hat die Form
[Index Breite, Index Höhe, Index Tiefe,
Index Batchgröße], wobei sich die Indizes auf die Dimensionen der
Eingabe beziehen. [0, 1, 3, 2] führt zum Beispiel zu einem
Vertauschen der Tiefe und der Batchgröße. Dementsprechend muss jeder Index
zwischen null und drei liegen und darf jeweils nur einmal vergeben werden.
Auf einem CPU-Device kann nicht für alle Werte von Permutation
optimierter Code genutzt werden, was zu einer erhöhten Laufzeit führen kann.
In diesem Fall wird der Layer-Parameter 'fall_back_to_baseline' auf
'true' gesetzt.
Die folgenden generischen Parameter GenParamName und die
entsprechenden Werte GenParamValue werden unterstützt:
Bestimmt, ob apply_dl_model die Ausgabe dieses Layers im
Dictionary DLResultBatch zurückgibt, auch ohne den
Layer in Outputs anzugeben ('true'), oder
nur falls er angegeben wird ('false').
Default: 'false'
Bestimmte Parameter von Layern, die mit create_dl_layer_permutation
erzeugt wurden, können mit weiteren Operatoren gesetzt und abgerufen werden.
Die folgenden Tabellen geben einen Überblick, welche Parameter mit
set_dl_model_layer_param gesetzt werden können und welche mit
get_dl_model_layer_param oder get_dl_layer_param ausgelesen
werden können. Es ist zu beachten, dass die Operatoren
set_dl_model_layer_param und get_dl_model_layer_param ein
Modell benötigen, das mit create_dl_model erzeugt wurde.
| Layer-Parameter | set |
get
|
|---|---|---|
| 'fall_back_to_baseline' | x
|
|
'input_layer' (DLLayerInput) |
x
|
|
'name' (LayerName) |
x |
x
|
'permutation' (Permutation) |
x
|
|
| 'shape' | x
|
|
| 'type' | x
|
| Generische Layer-Parameter | set |
get
|
|---|---|---|
| 'is_inference_output' | x |
x
|
| 'num_trainable_params' | x
|
DLLayerInput (input_control) dl_layer → (handle)
Zuführender Layer.
LayerName (input_control) string → (string)
Name des Ausgabelayers.
Permutation (input_control) number-array → (integer)
Reihenfolge der permutierten Achsen.
Default: [0,1,2,3]
GenParamName (input_control) attribute.name(-array) → (string)
Namen der generischen Eingabeparameter.
Default: []
Werteliste: 'is_inference_output'
GenParamValue (input_control) attribute.value(-array) → (string / integer / real)
Werte der generischen Eingabeparameter.
Default: []
Wertevorschläge: 'true', 'false'
DLLayerPermutation (output_control) dl_layer → (handle)
Permutation-Layer.
* Swap the batch and depth axes with a permutation layer.
create_dl_layer_input ('input_a', [1, 1, 4], ['input_type', 'const_val'], \
['constant', 1.0], DLLayerInputA)
create_dl_layer_input ('input_b', [1, 1, 4], ['input_type', 'const_val'], \
['constant', 2.0], DLLayerInputB)
create_dl_layer_concat ([DLLayerInputA, DLLayerInputB], 'concat', 'batch', \
[], [], DLLayerConcat)
create_dl_layer_permutation (DLLayerConcat, 'permute', [0,1,3,2], \
[], [], DLLayerPermute)
create_dl_layer_depth_max (DLLayerPermute, 'depth_max', 'value', \
[], [], _, DLLayerDepthMaxValue)
create_dl_model (DLLayerDepthMaxValue, DLModel)
* The expected output values in DLResultBatch.depth_max are [2.0,2.0,2.0,2.0]
query_available_dl_devices (['runtime'], ['cpu'], DLDeviceHandles)
set_dl_model_param (DLModel, 'device', DLDeviceHandles[0])
apply_dl_model (DLModel, dict{}, [], DLResultBatch)
create_dl_layer_input,
create_dl_layer_concat,
create_dl_layer_reshape
create_dl_layer_convolution,
create_dl_layer_dense,
create_dl_layer_reshape
Deep Learning Training