सीधा कन्वोल्यूशन संदर्भ

जाँचा जा सकने वाला संदर्भ चुनें

गोल्डन मॉडल गति से ज्यादा स्पष्ट अनुबंध को प्राथमिकता देता है। आउटपुट चैनल, पंक्ति और स्तंभ पर पुनरावृत्ति करें; फिर इनपुट चैनल और कर्नेल पंक्ति तथा स्तंभ जोड़ें। हर इनपुट निर्देशांक निकालें और सीमा के बाहर शून्य दें। इससे पहला गलत आउटपुट और अलग हुआ सटीक पद दिखता है। हार्डवेयर के अनुकूलित लूप क्रम की नकल जरूरी नहीं।

हर आउटपुट में संचायक b[m] से एक बार आरंभ करें। रिडक्शन के अंदर जोड़ना बायस दोहराएगा। पूर्णांक मॉडल में x और w केंद्रित कोड हैं और बायस गुणनफल स्केल लेता है।

बहुचैनल उदाहरण

दो 1×1 इनपुट चैनलों में दो और तीन रखें। आउटपुट चैनल शून्य के वज़न [4,−1] और बायस एक से 1+8−3=6 है। चैनल एक के वज़न [−2,5] और बायस −1 से −1−4+15=10 है। साझा संचायक को पहला परिणाम रखने के बजाय दूसरा आउटपुट स्वतंत्र शुरू करना चाहिए।

इनपुट [1,2,3;4,5,6;7,8,9] और कर्नेल [1,2;3,4] से [37,47;67,77] अपेक्षित है। पहले लॉग गुणनफल 1,4,12,20; अगले 2,6,15,24 हैं। हाथ से निकाला स्थान देखें; केवल अंतिम मान एक-दूसरे को काटती त्रुटियाँ छिपा सकते हैं।

सीधे मॉडल को अलग संरचना वाले patch-and-dot मॉडल से तुलना करें। दोनों में समान पता रूटीन साझा करने से वही दोष साझा हो सकता है। स्वतंत्र संरचना और हाथ के फ़िक्स्चर मिलाएँ। यादृच्छिक बीज दोहराने योग्य रखें और विफल टेंसर बचाएँ। संख्यात्मक त्रुटि सीमित करने के लिए अरूपांतरित संचायक और अंतिम आउटपुट कोड दोनों तुलना करें।

हमारा model.mjs एक निहित बैच में X[C][H][W] और W[M][C/G][R][S] लेता है। वह आयताकार टेंसर, चैनल संगतता और समूह जाँचता है। फ़्रेमवर्क मॉडल आयात नहीं करता। सब-शून्य फ़िक्स्चर के बजाय अलग मान, ऋणात्मक और असममित वज़न लें। शिक्षण मॉडल की सीमा लिखते हुए नियम ONNX Conv से तुलना करें।