def _init_exprs(self):
self.exprs = {
'inpt': T.matrix('inpt'),
}
P = self.parameters
self.exprs.update(linear.exprs(
self.exprs['inpt'], P.in_to_out, P.bias, 'softmax'))
self.exprs.update(rim.loss(self.exprs['output'], [P.in_to_out], self.c_rim))
def _init_exprs(self):
self.exprs = {
'inpt': T.matrix('inpt'),
}
P = self.parameters
self.exprs.update(
linear.exprs(self.exprs['inpt'], P.in_to_out, 0, 'identity'))
self.exprs.update(
sparsefiltering.loss(self.exprs['output'], self.feature_transfer))
def _init_exprs(self):
self.exprs = {'inpt': T.matrix('inpt'), 'target': T.matrix('target')}
P = self.parameters
self.exprs.update(
linear.exprs(self.exprs['inpt'], P.in_to_out, P.bias,
self.out_transfer))
self.exprs.update(
supervised_loss(self.exprs['target'], self.exprs['output'],
self.loss))
def _init_exprs(self):
self.exprs = {
'inpt': T.matrix('inpt'),
}
self.exprs['inpt'].tag.test_value = np.zeros(
(10, self.n_inpt)).astype(theano.config.floatX)
P = self.parameters
self.exprs.update(linear.exprs(
self.exprs['inpt'], P.in_to_out, 0, 'identity'))
self.exprs.update(sparsefiltering.loss(self.exprs['output'], self.feature_transfer))
def _init_exprs(self):
self.exprs = {
'inpt': T.matrix('inpt'),
}
self.exprs['inpt'].tag.test_value = np.zeros(
(10, self.n_inpt)).astype(theano.config.floatX)
P = self.parameters
self.exprs.update(
linear.exprs(self.exprs['inpt'], P.in_to_out, 0, 'identity'))
self.exprs.update(
sparsefiltering.loss(self.exprs['output'], self.feature_transfer))
def _init_exprs(self):
self.exprs = {
'inpt': T.matrix('inpt'),
'target': T.matrix('target')
}
P = self.parameters
self.exprs.update(linear.exprs(
self.exprs['inpt'], P.in_to_out, P.bias, self.out_transfer))
self.exprs.update(supervised_loss(
self.exprs['target'], self.exprs['output'], self.loss))