Home | Develop | Download | Contact
Namespaces | Estructuras de datos
Métodos Pds::FCNn

Metodos de la clase Pds::FCNn, una Full Connected Neural Network. Más...

Namespaces

namespace  Pds
 Nombre de espacion para PDS (Procesamiento Digital de Senales)
 

Estructuras de datos

class  Pds::FCNn
 La clase tipo Pds::FCNn . Esta clase genera un objeto con dos parametros Nlin y Ncol. Para usar incluir Pds/FCNn. Más...
 

Varios tipos de constructores

Crean una objeto Pds::FCNn

 Pds::FCNn::FCNn (void)
 Crea un objeto de tipo Pds::FCNn nulo con 0 entradas y 0 salidas. Sin función de activación. Matriz de pesos vazia. Más...
 
 Pds::FCNn::FCNn (std::vector< unsigned int > N)
 Crea un objeto de tipo Pds::FCNn con Nin entradas y Nout salidas. Usa la función sigmoide. Los pesos so iniciados con una distribución normal com desvio igual a 1. $K=N.size()$ es el número de capas incluyendo la capa de entrada. Más...
 
 Pds::FCNn::FCNn (std::vector< unsigned int > N, double(*func)(double), double(*dfunc)(double))
 Crea un objeto de tipo Pds::FCNn con Nin entradas y Nout salidas. Los pesos so iniciados con una distribución normal com desvio igual a 1. $K=N.size()$ es el número de capas incluyendo la capa de entrada. Más...
 
 Pds::FCNn::FCNn (std::string filepath)
 Crea un objeto de tipo Pds::FCNn desde un archivo de entrada. $K$ es el número de capas incluyendo la capa de entrada. Más...
 
 Pds::FCNn::FCNn (const Pds::FCNn &B)
 Crea un objeto de tipo Pds::FCNn copiando datos desde otro. Más...
 
 Pds::FCNn::~FCNn ()
 

Inicializacion

bool Pds::FCNn::Rand (double minval, double maxval)
 Carga los pesos con valores aleatorios uniformemente distribuidos desde minval hasta maxval. Más...
 
bool Pds::FCNn::SetActFunc (unsigned int k, double(*func)(double), double(*dfunc)(double))
 Retorna true si la funcion de activacion fue modificada o false si no. Más...
 
bool Pds::FCNn::SetActFunc (double(*func)(double), double(*dfunc)(double))
 Retorna true si las funciones de activacion fueron modificadas o false si no. Más...
 

Save e load

bool Pds::FCNn::Save (std::string filename)
 Salva los datos en un archivo de texto. Más...
 
bool Pds::FCNn::Load (std::string filename)
 Carga los datos desde un archivo de texto. Más...
 
std::string Pds::FCNn::ExportXmlToString (void) const
 Salva los datos de la capa en un std::string en formato Xml. Más...
 
bool Pds::FCNn::ImportXmlFromString (const std::string &str)
 Carga los datos de la capa. Más...
 
bool Pds::FCNn::ExportXmlToStream (std::ofstream &myfile) const
 Salva los datos de la capa en un std::ofstream en formato Xml. Más...
 

Evaluar

Pds::TensorBlock Pds::FCNn::PredictTensor (const Pds::TensorBlock &In) const
 Evalua la capa de la CNN. Más...
 
Pds::SampleBlock Pds::FCNn::Predict (const Pds::SampleBlock &In) const
 Evalua la capa de la CNN. Más...
 
Pds::Vector Pds::FCNn::Predict (const Pds::Vector &In) const
 Evalua la capa de la CNN. Más...
 
bool Pds::FCNn::Predict (const Pds::Matrix &XIn, Pds::Matrix &YOut) const
 Evalua la capa de la CNN. Más...
 
Pds::Vector Pds::FCNn::PredictPlus (const Pds::Vector &In)
 Evalua la capa de la CNN. Más...
 
bool Pds::FCNn::PredictPlus (const Pds::Vector &In, Pds::Vector &Out)
 Evalua la capa de la CNN. Más...
 

Training

bool Pds::FCNn::Training (const Pds::Matrix &X, const Pds::Matrix &Y, double alpha, double lambda)
 Treina la NN como um bloque de datos entero X para encontrar una variacion de pesos. Más...
 

Get data

bool Pds::FCNn::IsEmpty (void) const
 Retorna true si la red está vacia o false si no. Más...
 
unsigned int Pds::FCNn::Ninputs (void) const
 Retorna el número de elementos de entrada. Más...
 
unsigned int Pds::FCNn::Noutputs (void) const
 Retorna el número de elementos de salida. Más...
 
unsigned int Pds::FCNn::GetK (void) const
 Retorna el número de capas incluyendo la capa de entrada, las ocultas y la de salida. Más...
 
Pds::Shape Pds::FCNn::GetInputShape (void) const
 Retorna el Shape de entrada de la estructura, si no importa el elemento es -1. Más...
 
Pds::Shape Pds::FCNn::GetOutputShape (const Pds::Shape &In) const
 Retorna el Shape de salida de la estructura. Más...
 

Mostrando datos

void Pds::FCNn::MakeEmpty (void)
 Limpia el objeto. Más...
 
void Pds::FCNn::Print (std::string str="") const
 Muestra en pantalla el contenido de Pds::FCNn, elementos separados por tabulador. Más...
 
void Pds::FCNn::PrintStylized (std::string str="") const
 Muestra en pantalla el contenido de Pds::FCNn, en el formato (Nli,Ncol). Más...
 
void Pds::FCNn::Summary (unsigned int width=12) const
 Imprime en pantalla un sumario de la red neuronal. Más...
 
unsigned int Pds::FCNn::SummaryLine (unsigned int width=12) const
 Imprime en pantalla una linea con: Más...
 
Pds::AbstractLayerPds::FCNn::Clone (void)
 Retorna un puntero (generado con new) a una nuevo dirección de memoria con una copia del objeto actual. Más...
 

Descripción detallada

Metodos de la clase Pds::FCNn, una Full Connected Neural Network.

#include <Pds/FCNn>

Informacion adicional puede ser encontrada en [1]

Documentación de las funciones

◆ FCNn() [1/5]

Pds::FCNn::FCNn ( void  )

Crea un objeto de tipo Pds::FCNn nulo con 0 entradas y 0 salidas. Sin función de activación. Matriz de pesos vazia.

◆ FCNn() [2/5]

Pds::FCNn::FCNn ( std::vector< unsigned int >  N)

Crea un objeto de tipo Pds::FCNn con Nin entradas y Nout salidas. Usa la función sigmoide. Los pesos so iniciados con una distribución normal com desvio igual a 1. $K=N.size()$ es el número de capas incluyendo la capa de entrada.

Dada una red neuronal $f_{\mathbf{w}}()$ con pesos $\mathbf{w}$, a cada vector de entrada $\mathbf{x}$ le corresponde la salida $\mathbf{y}$, de modo que $\mathbf{y}= f_{\mathbf{w}}(\mathbf{x})$. Internamente la red neuronal tiene $n_k$ neuronas en la capa $k$, de modo que existen $\{n_0,n_1,...,n_l,...,n_{K-1}\}$ capas.

Full conected neural network
Parámetros
[in]NVector con el número de neuronas por camada, $\mathbf{N}=\{n_0,n_1,...,n_l,...,n_{K-1}\}$.

◆ FCNn() [3/5]

Pds::FCNn::FCNn ( std::vector< unsigned int >  N,
double(*)(double)  func,
double(*)(double)  dfunc 
)

Crea un objeto de tipo Pds::FCNn con Nin entradas y Nout salidas. Los pesos so iniciados con una distribución normal com desvio igual a 1. $K=N.size()$ es el número de capas incluyendo la capa de entrada.

Dada una red neuronal $f_{\mathbf{w}}()$ con pesos $\mathbf{w}$, a cada vector de entrada $\mathbf{x}$ le corresponde la salida $\mathbf{y}$, de modo que $\mathbf{y}= f_{\mathbf{w}}(\mathbf{x})$. Internamente la red neuronal tiene $n_k$ neuronas en la capa $k$, de modo que existen $\{n_0,n_1,...,n_l,...,n_{K-1}\}$ capas.

Full conected neural network
Parámetros
[in]NVector con el número de neuronas por camada, $\mathbf{N}=\{n_0,n_1,...,n_l,...,n_{K-1}\}$.
[in]funcFunción de activación.
[in]dfuncDerivada de la función de activación.

◆ FCNn() [4/5]

Pds::FCNn::FCNn ( std::string  filepath)

Crea un objeto de tipo Pds::FCNn desde un archivo de entrada. $K$ es el número de capas incluyendo la capa de entrada.

Dada una red neuronal $f_{\mathbf{w}}()$ con pesos $\mathbf{w}$, a cada vector de entrada $\mathbf{x}$ le corresponde la salida $\mathbf{y}$, de modo que $\mathbf{y}= f_{\mathbf{w}}(\mathbf{x})$. Internamente la red neuronal tiene $n_k$ neuronas en la capa $k$, de modo que existen $\{n_0,n_1,...,n_l,...,n_{K-1}\}$ capas.

Full conected neural network
Atención
Devido a que la dirección de memoria de la función de activación cambia en cada ejecución de um nuevo programa, en el archivo se guardan los Id de las funciones en el vector Pds::Nn::FuncVector.
Atención
si se detecta un Id=0 o un Id fuera de rango en Pds::Nn::FuncVector se escribirán las funciones Pds::Nn::DefaultActFunc y Pds::Nn::DefaultDActFunc, respectivamente. Si se usan Pds::Nn::DefaultActFunc o Pds::Nn::DefaultDActFunc y estos son NULL entonces se retorna un error.
Parámetros
[in]filepathNombre de archivo de entrada.

◆ FCNn() [5/5]

Pds::FCNn::FCNn ( const Pds::FCNn B)

Crea un objeto de tipo Pds::FCNn copiando datos desde otro.

Parámetros
[in]BFCNn a copiar.

◆ Rand()

bool Pds::FCNn::Rand ( double  minval,
double  maxval 
)

Carga los pesos con valores aleatorios uniformemente distribuidos desde minval hasta maxval.

Parámetros
[in]minvalMínimo valor.
[in]maxvalMáximo valor.

◆ SetActFunc() [1/2]

bool Pds::FCNn::SetActFunc ( unsigned int  k,
double(*)(double)  func,
double(*)(double)  dfunc 
)

Retorna true si la funcion de activacion fue modificada o false si no.

Parámetros
[in]kCapa a cambiar la función de activación.
[in]funcFunción de activación.
[in]dfuncDerivada de la función de activación.
Devuelve
Retorna true si la funcion de activacion fue modificada o false si no.
Ejemplos
example_fcnn_training_actfunc.cpp.

◆ SetActFunc() [2/2]

bool Pds::FCNn::SetActFunc ( double(*)(double)  func,
double(*)(double)  dfunc 
)

Retorna true si las funciones de activacion fueron modificadas o false si no.

Parámetros
[in]funcFunción de activación.
[in]dfuncDerivada de la función de activación.
Devuelve
Retorna true si las funciones de activacion fueron modificadas o false si no.

◆ Save()

bool Pds::FCNn::Save ( std::string  filename)

Salva los datos en un archivo de texto.

Atención
Devido a que la dirección de memoria de la función de activación cambia en cada ejecución de um nuevo programa, en el archivo se guardan los Id de las funciones en el vector Pds::Nn::FuncVector.
Parámetros
[in]filenameArchivo donde se salvan los datos.
Devuelve
Retorna true si todo fue bien y false si no.
Ejemplos
example_fcnn_saveload.cpp, example_fcnn_training.cpp y example_fcnn_training_load.cpp.

◆ Load()

bool Pds::FCNn::Load ( std::string  filename)

Carga los datos desde un archivo de texto.

Atención
Devido a que la dirección de memoria de la función de activación cambia en cada ejecución de um nuevo programa, en el archivo se guardan los Id de las funciones en el vector Pds::Nn::FuncVector.
Atención
si se detecta un Id=0 o un Id fuera de rango en Pds::Nn::FuncVector se escribirán las funciones Pds::Nn::DefaultActFunc y Pds::Nn::DefaultDActFunc, respectivamente. Si se usan Pds::Nn::DefaultActFunc o Pds::Nn::DefaultDActFunc y estos son NULL entonces se retorna un error.
Parámetros
[in]filenameArchivo donde se leeran los datos.
Devuelve
Retorna true si todo fue bien y false si no.

◆ ExportXmlToString()

std::string Pds::FCNn::ExportXmlToString ( void  ) const
virtual

Salva los datos de la capa en un std::string en formato Xml.

Por exemplo si guardamos un objeto de tipo Pds::FCNn en el std::ofstream se escribirá algo similar a:

<<FCNn>
<K>3</K>
<N>
<Nel>3</Nel>
<Array>
2 3 1
</Array>
</N>
<VectorBlock>
<Nel>3</Nel>
<Matrix>
<Nlin>2</Nlin>
<Ncol>1</Ncol>
<Array>
0 0
</Array>
</Matrix>
<Matrix>
<Nlin>3</Nlin>
<Ncol>1</Ncol>
<Array>
0 0 0
</Array>
</Matrix>
<Matrix>
<Nlin>1</Nlin>
<Ncol>1</Ncol>
<Array>
0
</Array>
</Matrix>
</VectorBlock>
<Layers>
...
</Layers>
</FCNn>
Devuelve
Retorna un std::string en formato Xml con los datos de la cpa.

Implementa Pds::AbstractLayer.

Ejemplos
example_fcnn_export_xml.cpp.

◆ ImportXmlFromString()

bool Pds::FCNn::ImportXmlFromString ( const std::string &  str)
virtual

Carga los datos de la capa.

Atención
Devido a que la dirección de memoria de la función de activación cambia en cada ejecución de um nuevo programa, en el archivo se guardan los Id de las funciones en el vector Pds::Nn::ActFunc y Pds::Nn::DActFunc.
Parámetros
[in]strString donde se leerá la información.
Devuelve
Retorna true si todo fue bien o false en caso de error. La memoria es liberada antes de la importación de modo que en caso de error la capa IsEmpty()==true.

Implementa Pds::AbstractLayer.

Ejemplos
example_fcnn_export_xml.cpp.

◆ ExportXmlToStream()

bool Pds::FCNn::ExportXmlToStream ( std::ofstream &  myfile) const
virtual

Salva los datos de la capa en un std::ofstream en formato Xml.

Por exemplo si guardamos un objeto de tipo Pds::FCNn en el std::ofstream se escribirá algo similar a:

<<FCNn>
<K>3</K>
<N>
<Nel>3</Nel>
<Array>
2 3 1
</Array>
</N>
<VectorBlock>
<Nel>3</Nel>
<Matrix>
<Nlin>2</Nlin>
<Ncol>1</Ncol>
<Array>
0 0
</Array>
</Matrix>
<Matrix>
<Nlin>3</Nlin>
<Ncol>1</Ncol>
<Array>
0 0 0
</Array>
</Matrix>
<Matrix>
<Nlin>1</Nlin>
<Ncol>1</Ncol>
<Array>
0
</Array>
</Matrix>
</VectorBlock>
<Layers>
...
</Layers>
</FCNn>
Parámetros
[in]myfileStream de salida.
Devuelve
Retorna true si todo fue bien o false si no.

Implementa Pds::AbstractLayer.

Ejemplos
example_fcnn_export_xml.cpp.

◆ PredictTensor()

Pds::TensorBlock Pds::FCNn::PredictTensor ( const Pds::TensorBlock &  In) const
virtual

Evalua la capa de la CNN.

|warning Esta funcion NO actualiza los valores de this->a[k].

Parámetros
[in]InVector de entrada.
Devuelve
Retorna un vector Out.

Implementa Pds::AbstractLayer.

◆ Predict() [1/3]

Pds::SampleBlock Pds::FCNn::Predict ( const Pds::SampleBlock &  In) const

Evalua la capa de la CNN.

|warning Esta funcion NO actualiza los valores de this->a[k].

Parámetros
[in]InVector de entrada.
Devuelve
Retorna un vector Out.
Ejemplos
example_fcnn_predict.cpp, example_fcnn_predict2.cpp, example_fcnn_saveload.cpp, example_fcnn_training.cpp, example_fcnn_training_actfunc.cpp, example_fcnn_training_load.cpp y example_fcnn_training_smiles.cpp.

◆ Predict() [2/3]

Pds::Vector Pds::FCNn::Predict ( const Pds::Vector &  In) const

Evalua la capa de la CNN.

Dada una red neuronal $f_{\mathbf{w}}()$ con pesos $\mathbf{w}$, a cada vector de entrada $\mathbf{x}$ le corresponde la salida $\mathbf{y}$, de modo que $\mathbf{y}= f_{\mathbf{w}}(\mathbf{x})$.

Full conected neural network

|warning Esta funcion NO actualiza los valores de this->a[k].

Parámetros
[in]InVector de entrada $\mathbf{x}$.
Devuelve
Retorna un vector de salida $\mathbf{y}$.

◆ Predict() [3/3]

bool Pds::FCNn::Predict ( const Pds::Matrix &  XIn,
Pds::Matrix &  YOut 
) const

Evalua la capa de la CNN.

Dada una red neuronal $f_{\mathbf{w}}()$ con pesos $\mathbf{w}$, a cada vector de entrada $\mathbf{x}$ le corresponde la salida $\mathbf{y}$, de modo que $\mathbf{y}= f_{\mathbf{w}}(\mathbf{x})$ y consecuentemente $\mathbf{y}^{(m)}= f_{\mathbf{w}}(\mathbf{x}^{(m)})$.

\[ \mathbf{XIn}= \left[ \begin{matrix} \mathbf{x}^{(1)}\\ \mathbf{x}^{(2)}\\ \vdots\\ \mathbf{x}^{(m)}\\ \vdots\\ \mathbf{x}^{(M)}\\ \end{matrix} \right], \qquad \mathbf{YOut}= \left[ \begin{matrix} \mathbf{y}^{(1)}\\ \mathbf{y}^{(2)}\\ \vdots\\ \mathbf{y}^{(m)}\\ \vdots\\ \mathbf{y}^{(M)}\\ \end{matrix} \right], \]

Full conected neural network

|warning Esta funcion NO actualiza los valores de this->a[k].

Parámetros
[in]XInMatriz con datos en las lineas.
[out]YOutMatriz con datos en las lineas. Este vector debe tener el tamaño adecuado, caso contrario se retorna false.
Devuelve
Retorna true si todo fue bien o false si no.

◆ PredictPlus() [1/2]

Pds::Vector Pds::FCNn::PredictPlus ( const Pds::Vector &  In)

Evalua la capa de la CNN.

Dada una red neuronal $f_{\mathbf{w}}()$ con pesos $\mathbf{w}$, a cada vector de entrada $\mathbf{x}$ le corresponde la salida $\mathbf{y}$, de modo que $\mathbf{y}= f_{\mathbf{w}}(\mathbf{x})$.

Full conected neural network

|warning Esta funcion SI actualiza los valores de this->a[k].

Parámetros
[in]InVector de entrada $\mathbf{x}$.
Devuelve
Retorna un vector de salida $\mathbf{y}$.

◆ PredictPlus() [2/2]

bool Pds::FCNn::PredictPlus ( const Pds::Vector &  In,
Pds::Vector &  Out 
)

Evalua la capa de la CNN.

Dada una red neuronal $f_{\mathbf{w}}()$ con pesos $\mathbf{w}$, a cada vector de entrada $\mathbf{x}$ le corresponde la salida $\mathbf{y}$, de modo que $\mathbf{y}= f_{\mathbf{w}}(\mathbf{x})$.

Full conected neural network

|warning Esta funcion SI actualiza los valores de this->a[k].

Parámetros
[in]InVector de entrada $\mathbf{x}$.
[out]OutVector de salida $\mathbf{y}$. Este vector debe tener el tamaño adecuado, caso contrario se retorna false.
Devuelve
Retorna true si todo fue bien o false si no.

◆ Training()

bool Pds::FCNn::Training ( const Pds::Matrix &  X,
const Pds::Matrix &  Y,
double  alpha,
double  lambda 
)

Treina la NN como um bloque de datos entero X para encontrar una variacion de pesos.

Dada una red neuronal $f_{\mathbf{w}}()$ con pesos $\mathbf{w}$, a cada vector de entrada $\mathbf{x}$ le corresponde la salida $\mathbf{y}$, de modo que $\mathbf{y}= f_{\mathbf{w}}(\mathbf{x})$. Internamente la red neuronal tiene $n_k$ neuronas en la capa $k$, de modo que existen $\{n_0,n_1,...,n_l,...,n_{K-1}\}$ capas.

El entrenamiento es equivalente a iterar una unica vez.

\[\mathbf{w} \leftarrow \mathbf{w} -\alpha \frac{\partial E_{\mathbf{X},\mathbf{Y}}(\mathbf{w})}{\partial \mathbf{w}}\]

donde

\[ \begin{array}{ll} \mathbf{w}\equiv \{w_{ij}^l \},\\ l\equiv indice~layer,\\ i\equiv neuron~in~input~layer,\\ j\equiv neuron~in~output~layer \end{array}, \qquad \mathbf{X}= \left[ \begin{matrix} \mathbf{x}^{(1)}\\ \mathbf{x}^{(2)}\\ \vdots\\ \mathbf{x}^{(M)}\\ \end{matrix} \right], \qquad \mathbf{Y}= \left[ \begin{matrix} \mathbf{y}^{(1)}\\ \mathbf{y}^{(2)}\\ \vdots\\ \mathbf{y}^{(M)}\\ \end{matrix} \right], \qquad \begin{matrix} N_{out}=Y.Ncol();\\ N_{in}=X.Ncol();\\ \end{matrix} \]

\[ \begin{array}{lll} E_{\mathbf{X},\mathbf{Y}}(\mathbf{w}) & = & -\frac{1}{M}\sum\limits_{m=1}^{M}\left[\sum\limits_{n=1}^{N_{out}} y_n^{(m)} log_2\left(f_{\mathbf{w}}(\mathbf{x}^{(m)})_n\right) + (1-y_n^{(m)}) log_2\left(1-f_{\mathbf{w}}(\mathbf{x}^{(m)})_n\right)\right]\\ ~ & ~ &+\frac{\lambda}{2 M}\sum\limits_{k=0}^{K-2} \sum\limits_{j=1}^{n_{k+1}} \sum\limits_{i=1}^{n_{k}} \left( w_{ji}^{k}\right)^2 \end{array} \]

Parámetros
[in]XMatriz con datos en las lineas.
[in]YMatriz con datos en las lineas.
[in]alphaFactor de aprendisaje.
[in]lambdaFactor de regularizacion.
Ejemplos
example_fcnn_training.cpp, example_fcnn_training_actfunc.cpp, example_fcnn_training_load.cpp y example_fcnn_training_smiles.cpp.

◆ IsEmpty()

bool Pds::FCNn::IsEmpty ( void  ) const
virtual

Retorna true si la red está vacia o false si no.

Devuelve
Retorna true si la red está vacia o false si no.

Implementa Pds::AbstractLayer.

◆ Ninputs()

unsigned int Pds::FCNn::Ninputs ( void  ) const

Retorna el número de elementos de entrada.

Devuelve
Retorna el número de elementos de entrada.

◆ Noutputs()

unsigned int Pds::FCNn::Noutputs ( void  ) const

Retorna el número de elementos de salida.

Devuelve
Retorna el número de elementos de salida.

◆ GetK()

unsigned int Pds::FCNn::GetK ( void  ) const

Retorna el número de capas incluyendo la capa de entrada, las ocultas y la de salida.

Devuelve
Retorna el número de capas incluyendo la capa de entrada, las ocultas y la de salida.

◆ GetInputShape()

Pds::Shape Pds::FCNn::GetInputShape ( void  ) const
virtual

Retorna el Shape de entrada de la estructura, si no importa el elemento es -1.

Devuelve
Retorna el Shape de entrada de la estructura

Implementa Pds::AbstractLayer.

◆ GetOutputShape()

Pds::Shape Pds::FCNn::GetOutputShape ( const Pds::Shape &  In) const
virtual

Retorna el Shape de salida de la estructura.

Devuelve
Retorna el Shape de salida de la estructura

Implementa Pds::AbstractLayer.

◆ MakeEmpty()

void Pds::FCNn::MakeEmpty ( void  )
virtual

Limpia el objeto.

Implementa Pds::AbstractLayer.

◆ Print()

void Pds::FCNn::Print ( std::string  str = "") const

Muestra en pantalla el contenido de Pds::FCNn, elementos separados por tabulador.

Parámetros
[in]strTexto a mostrar antes de imprimir el contenido.

◆ PrintStylized()

void Pds::FCNn::PrintStylized ( std::string  str = "") const

Muestra en pantalla el contenido de Pds::FCNn, en el formato (Nli,Ncol).

Parámetros
[in]strTexto a mostrar antes de imprimir el contenido.
Ejemplos
example_fcnn_create.cpp y example_fcnn_export_xml.cpp.

◆ Summary()

void Pds::FCNn::Summary ( unsigned int  width = 12) const

Imprime en pantalla un sumario de la red neuronal.

Parámetros
[in]widthParámetro ancho de referencia para cada elemento.
Ejemplos
example_fcnn_create.cpp.

◆ SummaryLine()

unsigned int Pds::FCNn::SummaryLine ( unsigned int  width = 12) const

Imprime en pantalla una linea con:

Name Input_shape Output_shape Parametros Activation_function

Parámetros
[in]widthParámetro ancho de referencia para cada elemento.
Devuelve
El número de parametros

◆ Clone()

Pds::AbstractLayer* Pds::FCNn::Clone ( void  )
inlinevirtual

Retorna un puntero (generado con new) a una nuevo dirección de memoria con una copia del objeto actual.

Implementa Pds::AbstractLayer.

Definición en la línea 649 del archivo FCNn.hpp.

650  {
651  return new Pds::FCNn(*this);
652  }
const std::string FCNn
Tag de un objeto de tipo Pds::FCNn.
Definition: NnDefines.hpp:165

Hace referencia a Pds::Nn::Tag::FCNn.

◆ ~FCNn()

Pds::FCNn::~FCNn ( )

Enlaces de interés

HomePage Bazaar Download Bug report Ayuda Developer Feed