Chainer의 기본 객체에 대해 씁니다.
이번은 링크에 대해입니다.

링크

링크는 함수와 비슷하며 변수에 변수에 대한 함수를 제공합니다.
차이점은 함수가 함수에 매개 변수를 가지지 않지만 링크가 매개 변수를 갖습니다.
구체적으로 살펴 보겠습니다.

Linear

예를 들어, l 레이어가 3 개의 노드, l + 1 레이어가 4 개의 노드로 구성된다고 가정합니다.



이것은 l 레이어의 출력 (l + 1 레이어의 입력)을 y로하면 그 매핑은

y = wx + b

라는 선형으로 나타낼 수 있습니다.

링크는 이러한 방식으로 레이어에서 레이어로 매핑을 제공합니다. 이 경우 매개 변수는 w와 b입니다.

이것을 (노드 3에서 노드 4의 레이어로) links로 표현하면,

>>> from chainer import links as L
>>> y = L.Linear(3, 4)

w에는 적절한 값이, b에는 0이 들어 있습니다.



대조적으로, 함수는 활성화 함수, 오차 함수 등에 사용되는 함수를 제공했습니다. sigmoid 함수를 보면 알 수 있듯이,

y =  \frac{ 1 } { 1 + e^{-x} }

매개 변수는 없습니다.

신경망에서이 매개 변수를 추정하는 것이 핵심입니다.

이제 다음 번에는 매개 변수 추정에 중요한 Chain 객체에 대해 씁니다.

참고

신나 히로유키
Chainer에 의한 실천 심층 학습～복잡한 NN의 실장 방법～ 오옴사