FNet 編碼器層
FNetEncoder 類別
keras_nlp.layers.FNetEncoder(
intermediate_dim,
dropout=0,
activation="relu",
layer_norm_epsilon=1e-05,
kernel_initializer="glorot_uniform",
bias_initializer="zeros",
**kwargs
)
FNet 編碼器。
此類別遵循 FNet 論文 中 FNet 編碼器層的架構。使用者可以實例化此類別的多個實例來堆疊編碼器。
遮罩注意事項：在官方 FNet 程式碼中，會將填充標記添加到輸入中。但是，會刪除填充遮罩，即會混合所有標記。這是因為如果我們在每個編碼器層中都應用填充遮罩，則某些頻率將會歸零。因此，我們在 call() 函數中不將填充遮罩作為輸入。
參數
- intermediate_dim：整數。前饋網路的隱藏大小。
- dropout：浮點數。應用於前饋網路的 dropout 值。預設值為
0.。 - activation：字串或
keras.activations。前饋網路的激活函數。預設值為"relu"。 - layer_norm_epsilon：浮點數。層歸一化組件中的 epsilon 值。預設值為
1e-5。 - kernel_initializer：
str或keras.initializers初始化器。密集層的核初始化器。預設值為"glorot_uniform"。 - bias_initializer："string" 或
keras.initializers初始化器。密集層的偏差初始化器。預設值為"zeros"。 - **kwargs：傳遞給
keras.layers.Layer的其他關鍵字參數，包括name、trainable、dtype等。
範例
# Create a single FNet encoder layer.
encoder = keras_nlp.layers.FNetEncoder(
intermediate_dim=64)
# Create a simple model containing the encoder.
input = keras.Input(shape=(10, 64))
output = encoder(input)
model = keras.Model(inputs=input, outputs=output)
# Call encoder on the inputs.
input_data = np.random.uniform(size=(1, 10, 64))
output = model(input_data)
參考