Podsumowanie zawiera szczegółowe informacje na temat architektury modelu, takie jak typy i kształty warstw.
Propozycję projektu można znaleźć tutaj . Ta implementacja to WIP, więc zgłoś problem z ulepszeniami, które chciałbyś zobaczyć, lub problemami, na które napotykasz.
Przeglądanie podsumowania modelu
Utwórz urządzenie i model X10.
import TensorFlow
public struct MyModel: Layer {
public var dense1 = Dense<Float>(inputSize: 1, outputSize: 1)
public var dense2 = Dense<Float>(inputSize: 4, outputSize: 4)
public var dense3 = Dense<Float>(inputSize: 4, outputSize: 4)
public var flatten = Flatten<Float>()
@differentiable
public func callAsFunction(_ input: Tensor<Float>) -> Tensor<Float> {
let layer1 = dense1(input)
let layer2 = layer1.reshaped(to: [1, 4])
let layer3 = dense2(layer2)
let layer4 = dense3(layer3)
return flatten(layer4)
}
}
let device = Device.defaultXLA
let model0 = MyModel()
let model = MyModel(copying: model0, to: device)
Utwórz tensor wejściowy.
let input = Tensor<Float>(repeating: 1, shape: [1, 4, 1, 1], on: device)
Wygeneruj podsumowanie swojego modelu.
let summary = model.summary(input: input)
print(summary)
Layer Output Shape Attributes
=============================== ==================== ======================
Dense<Float> [1, 4, 1, 1]
Dense<Float> [1, 4]
Dense<Float> [1, 4]
Flatten<Float> [1, 4]