PyTorch教程23.8之API

23.8.1。班级

d2l.torch类 。AdditiveAttention ( num_hiddens , dropout , ** kwargs )[来源]

基地：Module

额外的关注。

在第 11.3.2.2 节中定义

转发（查询、键、值、 valid_lens）[来源]

定义每次调用时执行的计算。

应该被所有子类覆盖。

笔记

尽管前向传递的配方需要在此函数中定义，但应该Module在之后调用实例而不是这个，因为前者负责运行已注册的钩子，而后者默默地忽略它们。

培训：布尔

 

d2l.torch类 。AddNorm ( norm_shape , dropout )[来源]

基地：Module

残差连接之后是层归一化。

在第 11.7.2 节中定义

向前( X , Y )[来源]

定义每次调用时执行的计算。

应该被所有子类覆盖。

笔记

尽管前向传递的配方需要在此函数中定义，但应该Module在之后调用实例而不是这个，因为前者负责运行已注册的钩子，而后者默默地忽略它们。

培训：布尔

 

d2l.torch类 。注意力解码器[来源]

基地：Decoder

基于注意力的解码器接口。

在第 11.4 节中定义

属性 attention_weights

 

培训：布尔

 

d2l.torch类 。分类器（plot_train_per_epoch = 2， plot_valid_per_epoch = 1）[来源]

基地：Module

分类模型的基类。

在第 4.3 节中定义

准确性（Y_hat， Y，平均= True）[来源]

计算正确预测的数量。

在第 4.3 节中定义

layer_summary ( X_shape )[来源]

在第 7.6 节中定义

损失( Y_hat , Y ,平均= True )[来源]

在第 4.5 节中定义

培训：布尔

 

验证步骤（批处理）[来源]

 

d2l.torch类 。DataModule ( root = '../data' , num_workers = 4 )[来源]

基地：HyperParameters

数据的基类。

在第 3.2.2 节中定义

get_dataloader（火车）[来源]

 

get_tensorloader（张量，火车，指数=切片（0， 无， 无））[来源]

在第 3.3 节中定义

火车数据加载器（）[来源]

 

val_dataloader ( )[来源]

 

d2l.torch类 。解码器[来源]

基地：Module

编码器-解码器架构的基本解码器接口。

在第 10.6 节中定义

前向（X，状态）[来源]

定义每次调用时执行的计算。

应该被所有子类覆盖。

笔记

尽管前向传递的配方需要在此函数中定义，但应该Module在之后调用实例而不是这个，因为前者负责运行已注册的钩子，而后者默默地忽略它们。

init_state ( enc_all_outputs , * args