FNetEncoder 层

[源]

FNetEncoder 类

keras_hub.layers.FNetEncoder(
    intermediate_dim,
    dropout=0,
    activation="relu",
    layer_norm_epsilon=1e-05,
    kernel_initializer="glorot_uniform",
    bias_initializer="zeros",
    **kwargs
)

FNet 编码器。

此类遵循 FNet 论文中 FNet 编码器层的架构。用户可以实例化此类的多个实例来堆叠编码器。

关于掩码的注意事项：在官方 FNet 代码中，输入中添加了填充 token。然而，填充掩码被删除，即所有 token 都进行混合。这是因为如果在每个编码器层应用填充掩码，某些频率将被置零。因此，我们在 call() 函数中不将填充掩码作为输入。

参数

• intermediate_dim: int。前馈网络的隐藏大小。
• dropout: float。在前馈网络中应用的 dropout 值。默认为 0.。
• activation: string 或 keras.activations。前馈网络的激活函数。默认为 "relu"。
• layer_norm_epsilon: float。层归一化组件中的 epsilon 值。默认为 1e-5。
• kernel_initializer: str 或 keras.initializers 初始化器。密集层的核初始化器。默认为 "glorot_uniform"。
• bias_initializer: "string" 或 keras.initializers 初始化器。密集层的偏置初始化器。默认为 "zeros"。
• **kwargs: 传递给 keras.layers.Layer 的其他关键字参数，包括 name、trainable、dtype 等。

示例

# Create a single FNet encoder layer.
encoder = keras_hub.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)

参考文献

• Lee-Thorp 等，2021