mindspore.ops.Dense

class mindspore.ops.Dense

全连接融合算子。

适用于输入的密集连接算子。算子的实现如下：

\[output = x @ w ^ T + b,\]

其中 \(x\) 是输入Tensor， \(w\) 是一个权重矩阵，其数据类型与 \(x\) 相同， \(b\) 是一个偏置向量，其数据类型与 \(x\) 相同（仅当 b 不为 None 时）。

输入：

• x (Tensor) - 输入Tensor。shape必须满足： \(len(x.shape)>0\) 。

• w (Tensor) - 权重Tensor。shape必须满足： 若 \(len(x.shape)>1\) ，则 \(len(w.shape)=2\) 。若 \(len(x.shape)=1\) ，则 \(len(w.shape)=1\) 。 \(w.shape[-1]=x.shape[-1]\) 。

• b (Union[Tensor, None]) - 偏置Tensor。当 b 不为 None 时，shape必须满足： 若 \(len(x.shape)>1\) ，则 \(len(b.shape)=0\) 或 \(len(b.shape)=1\) 。若 \(len(b.shape)=1\) ， 则 \(b.shape[0]=w.shape[0]\) 。若 \(len(x.shape)=1\) ，则 \(len(b.shape)=0\) 。

输出：

若 \(len(x.shape)>1\) ，则输出shape为 \((*x.shape[:-1], w.shape[0])\) 的Tensor。若 \(len(x.shape)=1\) ，则输出shape为 \(()\) 的Tensor。

支持平台：

Ascend GPU CPU

样例：

>>> import numpy as np
>>> from mindspore import Tensor, ops
>>> x = Tensor(np.random.random((4, 5, 6, 7)).astype(np.float32))
>>> weight = Tensor(np.random.random((6, 7)).astype(np.float32))
>>> bias = Tensor(np.random.random((6,)).astype(np.float32))
>>> dense = ops.Dense()
>>> output = dense(x, weight, bias)
>>> print(output.shape)
(4, 5, 6, 6)