Google I/O에 참여해 주셔서 감사합니다. 주문형 모든 세션 보기 주문형 시청

미분가능

public protocol Differentiable

접선 공간이 유한 차원인 미분 가능한 다양체를 수학적으로 나타내는 형식입니다.

  • 미분 가능한 값의 도함수를 나타내는 형식입니다.

    수학적으로 이것은 미분 유형으로 표현되는 미분 다양체의 접선 묶음과 같습니다.

    선언

    associatedtype TangentVector: Differentiable & AdditiveArithmetic
  where TangentVector.TangentVector == TangentVector

  • 이동의 self 주어진 방향을 따라. 리만 기하학, 이는 이동 지수 맵 동등 self 주어진 접선 벡터 따라 측지선 표면.

    선언

    mutating mutating func move(along direction: TangentVector)

  • 최소한의 필요한 정보를 포착 제로 접선 벡터를 생성하는 폐쇄 self .

    move(along: zeroTangentVectorInitializer()) 수정해서는 안 self .

    어떤 경우에는, 제로의 접선 벡터 self 동일하다 TangentVector.zero . 다른 경우에서, 제로의 접선 벡터의 정보에 따라 self 이러한 N 차원 어레이 타입의 형상대로. 미분 프로그램의 경우, 더 많은 메모리 효율적인 사용자 정의 정의하는 것입니다 zeroTangentVectorInitializer 캡처 및 용도에만 필요한 정보가 0 접선 벡터를 만들 수있는 폐쇄을 반환 속성을. 예를 들어:

    struct Vector {
    var scalars: [Float]
    var count: Int { scalars.count }
    init(scalars: [Float]) { ... }
    init(repeating repeatedElement: Float, count: Int) { ... }
}

extension Vector: AdditiveArithmetic { ... }

extension Vector: Differentiable {
    typealias TangentVector = Vector

    @noDerivative
    var zeroTangentVectorInitializer: () -> TangentVector {
        let count = self.count
        return { TangentVector(repeating: 0, count: count) }
    }
}

    선언

    var zeroTangentVectorInitializer: () -> TangentVector { get }

  • 제로탄젠트벡터

    확장 방법

    접선 벡터를 이용하여 초기화 zeroTangentVectorInitializer . move(along: zeroTangentVector) 수정해서는 안 self .

    선언

    var zeroTangentVector: TangentVector { get }

  • 선언

    @differentiable(wrt: self)
func withRecomputationInPullbacks<Result : Differentiable>(
  _ body: @escaping @differentiable (Self) -> Result
) -> Result

  • withDerivative(_:)

    확장 방법

    의 미분에 주어진 폐쇄 적용 self .

    반환 self 식별 기능이있다. 반환 값이 에 대해 구별되는 컨텍스트에서 사용되는 경우 반환 값의 파생물에 지정된 클로저를 적용합니다.

    선언

    @differentiable(wrt: self)
func withDerivative(_ body: @escaping (inout TangentVector) -> Void) -> Self

  • 순차(통과:_:)

    확장 방법

    반환 제 층의 입력되는 것을 제외하고는 이전 층의 출력 계층의 시퀀스를 적용하여 계산 된 출력 self .

    선언

    @differentiable
public func sequenced<L1: Layer, L2: Layer>(through l1: L1, _ l2: L2) -> L2.Output
where L1.Input == Self, L1.Output == L2.Input

    매개변수

    l1

    첫 번째 레이어입니다.

    l2

    두 번째 레이어입니다.

    반환 값

    순차 적용 후 최종 레이어의 출력.

  • 순차(통과:_:_:)

    확장 방법

    반환 제 층의 입력되는 것을 제외하고는 이전 층의 출력 계층의 시퀀스를 적용하여 계산 된 출력 self .

    선언

    @differentiable
public func sequenced<L1: Layer, L2: Layer, L3: Layer>(through l1: L1, _ l2: L2, _ l3: L3)
  -> L3.Output
where L1.Input == Self, L1.Output == L2.Input, L2.Output == L3.Input

    매개변수

    l1

    첫 번째 레이어입니다.

    l2

    두 번째 레이어입니다.

    l3

    세 번째 레이어입니다.

    반환 값

    순차적 적용 후 최종 레이어의 출력.

  • 순차(통과:_:_:_:)

    확장 방법

    반환 제 층의 입력되는 것을 제외하고는 이전 층의 출력 계층의 시퀀스를 적용하여 계산 된 출력 self .

    선언

    @differentiable
public func sequenced<L1: Layer, L2: Layer, L3: Layer, L4: Layer>(
  through l1: L1, _ l2: L2, _ l3: L3, _ l4: L4
) -> L4.Output
where
  L1.Input == Self, L1.Output == L2.Input, L2.Output == L3.Input,
  L3.Output == L4.Input

    매개변수

    l1

    첫 번째 레이어입니다.

    l2

    두 번째 레이어입니다.

    l3

    세 번째 레이어입니다.

    l4

    네 번째 레이어.

    반환 값

    순차적 적용 후 최종 레이어의 출력.

  • 순차(통과:_:_:_:_:)

    확장 방법

    반환 제 층의 입력되는 것을 제외하고는 이전 층의 출력 계층의 시퀀스를 적용하여 계산 된 출력 self .

    선언

    @differentiable
public func sequenced<L1: Layer, L2: Layer, L3: Layer, L4: Layer, L5: Layer>(
  through l1: L1, _ l2: L2, _ l3: L3, _ l4: L4, _ l5: L5
) -> L5.Output
where
  L1.Input == Self, L1.Output == L2.Input, L2.Output == L3.Input, L3.Output == L4.Input,
  L4.Output == L5.Input

    매개변수

    l1

    첫 번째 레이어입니다.

    l2

    두 번째 레이어입니다.

    l3

    세 번째 레이어입니다.

    l4

    세 번째 레이어입니다.

    l5

    다섯 번째 레이어.

    반환 값

    순차 적용 후 최종 레이어의 출력.

  • 반환 제 층의 입력되는 것을 제외하고는 이전 층의 출력 계층의 시퀀스를 적용하여 계산 된 출력 self .

    선언

    @differentiable
public func sequenced<L1: Layer, L2: Layer, L3: Layer, L4: Layer, L5: Layer, L6: Layer>(
  through l1: L1, _ l2: L2, _ l3: L3, _ l4: L4, _ l5: L5, _ l6: L6
) -> L6.Output
where
  L1.Input == Self, L1.Output == L2.Input, L2.Output == L3.Input, L3.Output == L4.Input,
  L4.Output == L5.Input, L5.Output == L6.Input

    매개변수

    l1

    첫 번째 레이어입니다.

    l2

    두 번째 레이어입니다.

    l3

    세 번째 레이어입니다.

    l4

    세 번째 레이어입니다.

    l5

    다섯 번째 레이어.

    l6

    여섯 번째 레이어.

    반환 값

    순차적 적용 후 최종 레이어의 출력.