Torch-nn学习：Tabel Layer

最新推荐文章于 2025-03-23 14:36:24 发布

John2King

最新推荐文章于 2025-03-23 14:36:24 发布

阅读量3.6k

点赞数 1

分类专栏： Torch 文章标签： torch table

本文链接：https://blog.youkuaiyun.com/lebula/article/details/53168712

版权

本文介绍了Torch-nn库中的Table Layer，包括ConcatTable、ParallelTable、MapTable、SplitTable、JoinTable、NarrowTable、FlattenTable、PairwiseDistance、DotProduct、CosineDistance以及用于计算的CAddTable等操作。通过实例展示了这些模块如何处理输入数据，特别是它们在处理多输入和输出时的灵活性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1.ConcatTable：对每个成员模块应用相同输入。

如图：

                  +-----------+
             +----> {member1, |
+-------+    |    |           |
| input +----+---->  member2, |
+-------+    |    |           |
   or        +---->  member3} |
 {input}          +-----------+

示例：

mlp = nn.ConcatTable()
mlp:add(nn.Linear(5, 2))
mlp:add(nn.Linear(5, 3))

pred = mlp:forward(torch.randn(5))
for i, k in ipairs(pred) do print(i, k) end

2.ParallelTable：对每个成员模块应用与之对应的输入(第i个模块应用第i个输入)。

如图：

+----------+         +-----------+
| {input1, +---------> {member1, |
|          |         |           |
|  input2, +--------->  member2, |
|          |         |           |
|  input3} +--------->  member3} |
+----------+         +-----------+

mlp = nn.ParallelTable()
mlp:add(nn.Linear(10, 2))
mlp:add(nn.Linear(5, 3))

x = torch.randn(10)
y = torch.rand(5)

pred = mlp:forward{x, y}
for i, k in pairs(pred) do print(i, k) end

3.MapTable:对所有输入应用，不够的就clone。参数共享（weight, bias, gradWeight and gradBias）

eg:

+----------+         +-----------+
| {input1, +---------> {member,  |
|          |         |           |
|  input2, +--------->  clone,   |
|          |         |           |
|  input3} +--------->  clone}   |
+----------+         +-----------+

map = nn.MapTable()
map:add(nn.Linear(10, 3))

x1 = torch.rand(10)
x2 = torch.rand(10)
y = map:forward{x1, x2}

for i, k in pairs(y) do print(i, k) end

4.SplitTable：这个不用解释,index可以为负数

module = SplitTable(dimension, nInputDims)

最低0.47元/天解锁文章