cv::dnn::RNNLayer 类参考

经典循环层。 更多…

#include <opencv2/dnn/all_layers.hpp>

cv::dnn::RNNLayer 的协作图

公共成员函数
virtual void	setProduceHiddenOutput (bool produce=false)=0
	如果此标志设置为 true，则层将产生 \( h_t \) 作为第二个输出。
virtual void	setWeights (const Mat &Wxh, const Mat &bh, const Mat &Whh, const Mat &Who, const Mat &bo)=0
从 cv::dnn::Layer 继承的公共成员函数
	Layer ()
	Layer (const LayerParams &params)
	仅初始化 name、type 和 blobs 字段。
virtual	~Layer ()
virtual void	applyHalideScheduler (Ptr< BackendNode > &node, const std::vector< Mat * > &inputs, const std::vector< Mat > &outputs, int targetId) const
	基于层超参数的自动 Halide 调度。
virtual void	finalize (const std::vector< Mat * > &input, std::vector< Mat > &output)
	根据输入、输出和 blobs 计算并设置内部参数。
std::vector< Mat >	finalize (const std::vector< Mat > &inputs)
	这是一个重载的成员函数，为了方便起见而提供。它与上面的函数的区别仅在于它接受的参数。
void	finalize (const std::vector< Mat > &inputs, std::vector< Mat > &outputs)
	这是一个重载的成员函数，为了方便起见而提供。它与上面的函数的区别仅在于它接受的参数。
virtual void	finalize (InputArrayOfArrays inputs, OutputArrayOfArrays outputs)
	根据输入、输出和 blobs 计算并设置内部参数。
virtual void	forward (InputArrayOfArrays inputs, OutputArrayOfArrays outputs, OutputArrayOfArrays internals)
	给定input blobs，计算输出blobs。
virtual void	forward (std::vector< Mat * > &input, std::vector< Mat > &output, std::vector< Mat > &internals)
	给定input blobs，计算输出blobs。
void	forward_fallback (InputArrayOfArrays inputs, OutputArrayOfArrays outputs, OutputArrayOfArrays internals)
	给定input blobs，计算输出blobs。
virtual int64	getFLOPS (const std::vector< MatShape > &inputs, const std::vector< MatShape > &outputs) const
virtual bool	getMemoryShapes (const std::vector< MatShape > &inputs, const int requiredOutputs, std::vector< MatShape > &outputs, std::vector< MatShape > &internals) const
virtual void	getScaleShift (Mat &scale, Mat &shift) const
	返回具有通道乘法和加法的层的参数。
virtual void	getScaleZeropoint (float &scale, int &zeropoint) const
	返回层的比例和零点。
virtual Ptr< BackendNode >	initCann (const std::vector< Ptr< BackendWrapper > > &inputs, const std::vector< Ptr< BackendWrapper > > &outputs, const std::vector< Ptr< BackendNode > > &nodes)
	返回一个 CANN 后端节点。
virtual Ptr< BackendNode >	initCUDA (void *context, const std::vector< Ptr< BackendWrapper > > &inputs, const std::vector< Ptr< BackendWrapper > > &outputs)
	返回一个 CUDA 后端节点。
virtual Ptr< BackendNode >	initHalide (const std::vector< Ptr< BackendWrapper > > &inputs)
	返回 Halide 后端节点。
virtual Ptr< BackendNode >	initNgraph (const std::vector< Ptr< BackendWrapper > > &inputs, const std::vector< Ptr< BackendNode > > &nodes)
virtual Ptr< BackendNode >	initTimVX (void *timVxInfo, const std::vector< Ptr< BackendWrapper > > &inputsWrapper, const std::vector< Ptr< BackendWrapper > > &outputsWrapper, bool isLast)
	返回一个 TimVX 后端节点。
virtual Ptr< BackendNode >	initVkCom (const std::vector< Ptr< BackendWrapper > > &inputs, std::vector< Ptr< BackendWrapper > > &outputs)
virtual Ptr< BackendNode >	initWebnn (const std::vector< Ptr< BackendWrapper > > &inputs, const std::vector< Ptr< BackendNode > > &nodes)
虚函数 int	inputNameToIndex (String inputName)
	返回输入 Blob 在输入数组中的索引。
虚函数 int	outputNameToIndex (const String &outputName)
	返回输出 Blob 在输出数组中的索引。
void	run (const std::vector< Mat > &inputs, std::vector< Mat > &outputs, std::vector< Mat > &internals)
	分配层并计算输出。
virtual bool	setActivation (const Ptr< ActivationLayer > &layer)
	尝试将后续激活层附加到该层，即在部分情况下进行层融合。
void	setParamsFrom (const LayerParams &params)
	仅初始化 name、type 和 blobs 字段。
virtual bool	supportBackend (int backendId)
	询问层是否支持特定后端进行计算。
virtual Ptr< BackendNode >	tryAttach (const Ptr< BackendNode > &node)
	实现层融合。
virtual bool	tryFuse (Ptr< Layer > &top)
	尝试将当前层与下一层融合。
virtual bool	tryQuantize (const std::vector< std::vector< float > > &scales, const std::vector< std::vector< int > > &zeropoints, LayerParams &params)
	尝试量化给定层并计算定点实现所需的量化参数。
virtual void	unsetAttached ()
	“分离”附加到特定层的所有层。
virtual bool	updateMemoryShapes (const std::vector< MatShape > &inputs)
从 cv::Algorithm 继承的公共成员函数
	Algorithm ()
virtual	~Algorithm ()
virtual void	clear ()
	清除算法状态。
virtual bool	虚函数 String
	empty () const
如果 Algorithm 为空（例如，在开始时或读取失败后），则返回 true。	getDefaultName () const
virtual void	read (const FileNode &fn)
	从文件存储中读取算法参数。
virtual void	save (const String &filename) const
void	write (const Ptr< FileStorage > &fs, const String &name=String()) const
virtual void	write (FileStorage &fs) const
	将算法参数存储在文件存储中。
void	write (FileStorage &fs, const String &name) const

静态公共成员函数
静态 Ptr< RNNLayer >	create (const LayerParams &params)
从 cv::Algorithm 继承的静态公共成员函数
模板 <typename _Tp >
静态 Ptr< _Tp >	load (const String &filename, const String &objname=String())
	从文件中加载算法。
模板 <typename _Tp >
静态 Ptr< _Tp >	loadFromString (const String &strModel, const String &objname=String())
	从字符串加载算法。
模板 <typename _Tp >
静态 Ptr< _Tp >	read (const FileNode &fn)
	从文件节点读取算法。

其他继承成员
从 cv::dnn::Layer 继承的公共属性
std::vector< Mat >	blobs
	学习到的参数列表必须存储在此处，以便可以使用 Net::getParam() 读取它们。
String	name
	层实例的名称，可用于日志记录或其他内部用途。
int	preferableTarget
	层前向传播的首选目标
String	type
	通过层工厂创建层时使用的类型名称。
继承自 cv::Algorithm 的受保护成员函数
void	writeFormat (FileStorage &fs) const

详细描述

经典循环层。

接受两个输入\(x_t\) 和 \(h_{t-1}\)，并计算两个输出\(o_t\) 和 \(h_t\)。

• 输入：应包含打包的输入\(x_t\)。
• 输出：应包含输出\(o_t\)（如果 setProduceHiddenOutput() 设置为 true）。

input[0] 的形状应为 [T, N, data_dims]，其中T 和 N 分别是时间戳的数量和\(x_t\) 的独立样本数量。

output[0] 的形状将为 [T, N, \(N_o\)]，其中\(N_o\) 是\( W_{xo} \) 矩阵的行数。

如果 setProduceHiddenOutput() 设置为 true，则output[1] 将包含一个形状为 [T, N, \(N_h\)] 的 Mat，其中\(N_h\) 是\( W_{hh} \) 矩阵的行数。

成员函数文档

create()

static Ptr< RNNLayer > cv::dnn::RNNLayer::create ( const LayerParams & params )

static

创建 RNNLayer 的实例

setProduceHiddenOutput()

virtual void cv::dnn::RNNLayer::setProduceHiddenOutput ( bool produce = false )

纯虚函数

如果此标志设置为 true，则层将产生 \( h_t \) 作为第二个输出。

第二个输出的形状与第一个输出相同。

setWeights()

virtual void cv::dnn::RNNLayer::setWeights ( const Mat & Wxh, const Mat & bh, const Mat & Whh, const Mat & Who, const Mat & bo )

纯虚函数

设置学习到的权重。

循环层的每一步行为由当前输入\( x_t \)、先前状态\( h_t \) 和学习到的权重定义如下：

\begin{eqnarray*} h_t &= tanh&(W_{hh} h_{t-1} + W_{xh} x_t + b_h), \\ o_t &= tanh&(W_{ho} h_t + b_o), \end{eqnarray*}

参数

Wxh	是\( W_{xh} \) 矩阵
bh	是\( b_{h} \) 向量
Whh	是\( W_{hh} \) 矩阵
Who	是\( W_{xo} \) 矩阵
bo	是\( b_{o} \) 向量

---

此类的文档是从以下文件生成的：

• opencv2/dnn/all_layers.hpp