23.8.1。班級

d2l.torch類 。AdditiveAttention ( num_hiddens , dropout , ** kwargs )[來源]

基地：Module

額外的關(guān)注。

在第 11.3.2.2 節(jié)中定義

轉(zhuǎn)發(fā)（查詢、鍵、值、 valid_lens）[來源]

定義每次調(diào)用時執(zhí)行的計算。

應(yīng)該被所有子類覆蓋。

筆記

盡管前向傳遞的配方需要在此函數(shù)中定義，但應(yīng)該Module在之后調(diào)用實例而不是這個，因為前者負(fù)責(zé)運(yùn)行已注冊的鉤子，而后者默默地忽略它們。

培訓(xùn)：布爾

?

d2l.torch類 。AddNorm ( norm_shape , dropout )[來源]

基地：Module

殘差連接之后是層歸一化。

在第 11.7.2 節(jié)中定義

向前( X , Y )[來源]

定義每次調(diào)用時執(zhí)行的計算。

應(yīng)該被所有子類覆蓋。

筆記

盡管前向傳遞的配方需要在此函數(shù)中定義，但應(yīng)該Module在之后調(diào)用實例而不是這個，因為前者負(fù)責(zé)運(yùn)行已注冊的鉤子，而后者默默地忽略它們。

培訓(xùn)：布爾

?

d2l.torch類 。注意力解碼器[來源]

基地：Decoder

基于注意力的解碼器接口。

在第 11.4 節(jié)中定義

屬性 attention_weights

?

培訓(xùn)：布爾

?

d2l.torch類 。分類器（plot_train_per_epoch = 2， plot_valid_per_epoch = 1）[來源]

基地：Module

分類模型的基類。

在第 4.3 節(jié)中定義

準(zhǔn)確性（Y_hat， Y，平均= True）[來源]

計算正確預(yù)測的數(shù)量。

在第 4.3 節(jié)中定義

layer_summary ( X_shape )[來源]

在第 7.6 節(jié)中定義

損失( Y_hat , Y ,平均= True )[來源]

在第 4.5 節(jié)中定義

培訓(xùn)：布爾

?

驗證步驟（批處理）[來源]

?

d2l.torch類 。DataModule ( root = '../data' , num_workers = 4 )[來源]

基地：HyperParameters

數(shù)據(jù)的基類。

在第 3.2.2 節(jié)中定義

get_dataloader（火車）[來源]

?

get_tensorloader（張量，火車，指數(shù)=切片（0， 無， 無））[來源]

在第 3.3 節(jié)中定義

火車數(shù)據(jù)加載器（）[來源]

?

val_dataloader ( )[來源]

?

d2l.torch類 。解碼器[來源]

基地：Module

編碼器-解碼器架構(gòu)的基本解碼器接口。

在第 10.6 節(jié)中定義

前向（X，狀態(tài)）[來源]

定義每次調(diào)用時執(zhí)行的計算。

應(yīng)該被所有子類覆蓋。

筆記

盡管前向傳遞的配方需要在此函數(shù)中定義，但應(yīng)該Module在之后調(diào)用實例而不是這個，因為前者負(fù)責(zé)運(yùn)行已注冊的鉤子，而后者默默地忽略它們。

init_state ( enc_all_outputs , * args