paddlets.models.anomaly.dl._ed.ed
- class MLP(input_dim: int, feature_dim: int, hidden_config: List[int], activation: Callable[[...], Tensor], last_layer_activation: Callable[[...], Tensor], dropout_rate: float = 0.5, use_bn: bool = True, use_drop: bool = True)[源代码]
基类：
Layer编解码使用的MLP网络。
- 参数
input_dim (int) – 模型输入的时间序列长度。
feature_dim (int) – 特征的维度。
hidden_config (List(int)) – 列表第i个元素表示第i层神经元的个数。
activation (Callable[..., paddle.Tensor]) – 隐层的激活函数。
last_layer_activation (Callable[..., paddle.Tensor]) – 最后一层使用的激活函数。
dropout_rate (float) – 神经元丢弃的比例。
use_bn (bool) – 是否开启batch normalization。
use_drop (bool) – 是否使用dropout。
- _nn
动态图网络。
- Type
paddle.nn.Sequential
- class CNN(input_dim: int, hidden_config: List[int], activation: Callable[[...], Tensor], last_layer_activation: Callable[[...], Tensor], kernel_size: int, dropout_rate: float = 0.5, use_bn: bool = True, is_encoder: bool = True, use_drop: bool = True, data_format: str = 'NCL')[源代码]
基类：
Layer编解码器使用的CNN网络。
- 参数
input_dim (int) – 模型输入的时间序列长度。
hidden_config (List(int)) – 列表第i个元素表示第i层神经元的个数。
activation (Callable[..., paddle.Tensor]) – 隐层的激活函数。
last_layer_activation (Callable[..., paddle.Tensor]) – 最后一层使用的激活函数。
kernel_size (int) – 卷积核的大小。
use_drop (bool) – 是否使用dropout。
dropout_rate (float) – 神经元丢弃的比例。
use_bn (bool) – 是否开启batch normalization。
is_encoder (bool) – 编码或者解码。
data_format (str) – 指定输入数据的格式。
- _nn
动态图网络。
- Type
paddle.nn.Sequential
- class LSTM(input_dim: int, hidden_config: List[int], activation: Callable[[...], Tensor], last_layer_activation: Callable[[...], Tensor], dropout_rate: float = 0, use_drop: bool = True, num_layers: int = 1, direction: str = 'forward')[源代码]
基类：
Layer编解码器使用的LSTM网络。
- 参数
input_dim (int) – 模型输入的时间序列长度。
hidden_config (List(int)) – 列表第i个元素表示第i层神经元的个数。
activation (Callable[..., paddle.Tensor]) – 隐层的激活函数。
last_layer_activation (Callable[..., paddle.Tensor]) – 最后一层使用的激活函数。
dropout_rate (float) – 神经元丢弃的比例。
use_drop (bool) – 是否使用dropout。
num_layers (int) – LSTM的层数。
direction (str) – LSTM网络迭代方向。
- _nn
动态图网络。
- Type
paddle.nn.Sequential