paddlets.models.anomaly.dl._anomaly_transformer.encoder

class EncoderLayer(attention: ~typing.Callable[[...], ~paddle.Tensor], d_model: int, d_ff: ~typing.Optional[int] = None, dropout: float = 0.1, activation: ~typing.Callable[[...], ~paddle.Tensor] = <function gelu>)

基类：Layer

anomaly transformer模型的编码层。

参数

• attention (Callable[..., paddle.Tensor]) – 编码层的注意力机制。

• d_model (int) – anomaly transformer模型的输入数据维度。

• d_ff (int) – 前馈神经网络的通道数量。

• dropout (float) – 神经元丢弃概率。

• activation (Callable[..., paddle.Tensor]) – 编码层中的激活函数，默认:F.gelu。

_nn

动态网络层列表。

Type

paddle.nn.Sequential

forward(x, attn_mask=None) → Tensor

编码层前向网络。

参数

• x (paddle.Tensor) – tensor字典。

• attn_mask (Callable[..., paddle.Tensor]) – 编码层是否开启掩码。

返回

编码层的输出结果。

返回类型

paddle.Tensor

class Encoder(attn_layers, norm_layer=None)

基类：Layer

anomaly transformer的编码层结果。

参数

• attn_layers (Callable[..., paddle.Tensor]) – tensor字典。

• norm_layer (Callable[..., paddle.Tensor]) – 编码层注意力网络的批次归一化。

_nn

动态网络层列表。

Type

paddle.nn.Sequential

forward(x: Tensor, attn_mask: Optional[Callable[[...], Tensor]] = None) → Tensor

编码层前向网络。

参数

• x (paddle.Tensor) – 编码层输入。

• attn_mask (Callable[..., paddle.Tensor]) – 编码层中是否使用掩码。

返回

模型输出。

返回类型

paddle.Tensor