前馈网络¶
Neural net类用层来创建网络并提供可以获取网络信息（比如：参数）的函数。
示例用法：
from singa import net as ffnet
from singa import metric
from singa import loss
from singa import layer
from singa import device
# create net and add layers
net = ffnet.FeedForwardNet(loss.SoftmaxCrossEntropy(), metric.Accuracy())
net.add(layer.Conv2D('conv1', 32, 5, 1, input_sample_shape=(3,32,32,)))
net.add(layer.Activation('relu1'))
net.add(layer.MaxPooling2D('pool1', 3, 2))
net.add(layer.Flatten('flat'))
net.add(layer.Dense('dense', 10))
# init parameters
for p in net.param_values():
if len(p.shape) == 0:
p.set_value(0)
else:
p.gaussian(0, 0.01)
# move net onto gpu
dev = device.create_cuda_gpu()
net.to_device(dev)
# training (skipped)
# do prediction after training
x = tensor.Tensor((2, 3, 32, 32), dev)
x.uniform(-1, 1)
y = net.predict(x)
print tensor.to_numpy(y)
class singa.net.FeedForwardNet(loss=None, metric=None)¶
基类：object
to_device(dev)¶
将网络移至指定设备上，包括所有参数和中间数据。
add(lyr, src=None)¶
添加一个层到层列表中。
该功能将从src层获取样本形状以设置新添加的层。 对于第一层，它被设置在外部。 调用函数应确保层顺序的正确性。 如果src是None，最后一层是src层。 如果有多个src图层，则src是src层的列表。
参数：
lyr (Layer) – 待添加的层
src (Layer) – lyr层的父层
param_values()¶
返回所有参数的tensor列表。
param_specs()¶
返回所有参数的ParamSpec列表。
param_names()¶
返回所有参数名列表。。
train(x, y)¶
运行一次BP。 目前仅支持单输出层、单损失函数及度量方法的网络。 TODO(wangwei) 考虑多损失函数和多度量值。
参数：
x – 输入数据，一个输入tensor或字典：层名->tensor
y – 输入数据的标签，一个tensor
返回值： 参数梯度，损失函数和度量值
evaluate(x, y)¶
根据给定数据评估损失函数和度量值。目前仅支持单输出层、单损失函数及度量方法的网络。TODO(wangwei) 考虑多损失函数和多度量值。
参数：
x – 输入数据，单个tensor或一个字典： 层名 -> tensor
y – 输入数据的标签，单个tensor.
predict(x)¶
向前经每个层传递数据到输出层并获得输出值。 目前仅支持单输出层的网络。
参数：
x - 输入数据，单个tesnor或一个字典： 层名 -> tensor
返回值： 单个输出tensor作为预测结果
topo_sort(layers, src_of_layer)¶
对所有层进行拓扑排序。 对于多输入层，将会保留输入层的顺序。
参数：
layers – 层列表；同个层（如slice层）的多个输出层应该以正确的顺序加入，此功能将不会改变其顺序。
src_of_layer – 字典: src层名 -> src层列表
返回值： 排序后层列表
forward(flag, x, output=[])¶
将输入经过每个层向前传递。 如果一个层具有来自其他层和来自x的输入，则来自x的数据在来自其他层的数据之前被排序，例如，如果层1->层2并且x [‘layer2’]具有数据，则输入层2展平，即[x [‘layer2’]，层1的输出]
参数：
flag – True代表训练;False代表评估;也可以是model_pb2.kTrain或model_pb2.kEval或者其他未来可能使用的值。
x – 一个tensor或一个字典：层名 -> tensor
output(list) – 层名列表，将会和默认输出一起作为返回值
返回值： 如果只有一个输出层，返回输出tensor;否则返回字典：层名->输出tensor
save(f, buffer_size=10, use_pickle=False)¶
用io/snapshot保存模型参数。
参数：
f – 文件名
buffer_size – 输入输出的大小(MB)，默认为10MB；请确保它比任何一个参数对象要大。
use_pickle(boolean) – 如果为真，将使用pickle保存；否则，将用protobuf做序列化，会占用较少空间。
