mindscience.models.layers.ResBlock

class mindscience.models.layers.ResBlock(in_channels, out_channels, weight_init='normal', bias_init='zeros', has_bias=True, activation=None, weight_norm=False)

全连接层的 ResBlock。

参数：

• in_channels (int) - 输入空间的通道数。

• out_channels (int) - 输出空间的通道数。

• weight_init (Union[Tensor, str, Initializer, numbers.Number]) - 可训练的 weight_init 参数。数据类型与输入 x 相同。str 的取值请参考函数 initializer。默认值："normal"。

• bias_init (Union[Tensor, str, Initializer, numbers.Number]) - 可训练的 bias_init 参数。数据类型与输入 x 相同。str 的取值请参考函数 initializer。默认值："zeros"。

• has_bias (bool) - 指定层是否使用偏置向量。默认值：True。

• activation (Union[str, Cell, Primitive, None]) - 应用于全连接层输出的激活函数。默认值：None。

• weight_norm (bool) - 是否计算权重的平方和。默认值：False。

输入：

• input (Tensor) - 形状为 \((*, in\_channels)\) 的张量。

输出：

• output (Tensor) - 形状为 \((*, out\_channels)\) 的张量。

异常：

• ValueError - 如果 in_channels 不等于 out_channels。

• TypeError - 如果 activation 不是 str、Cell 或 Primitive。

样例：

>>> import numpy as np
>>> from mindscience.models.layers import ResBlock
>>> from mindspore import Tensor
>>> input = Tensor(np.array([[180, 234, 154], [244, 48, 247]], np.float32))
>>> net = ResBlock(3, 3)
>>> output = net(input)
>>> print(output.shape)
(2, 3)