NetworkKernel

Full name Microsoft.VisualBasic.MachineLearning.NeuralNetwork.NetworkKernel Assembly Microsoft.VisualBasic.DeepLearning Members 2

以 CNN 的 ConvolutionalNN 全连接网络作为 NeuralNetwork 的统一计算内核。本模块通过 LayerBuilder 构建等价的 CNN 全连接网络，供 Netz 与 Network 两个公开类作为内部计算内核使用。

00 Remarks

旧的前向/反向/权重更新计算代码（Layer/Neuron/Synapse 等）已彻底移除，所有数值计算均由 CNN 内核完成，对外公开接口保持不变。

01 Syntax

Microsoft.VisualBasic.MachineLearning.NeuralNetwork.NetworkKernel

02 Methods

Name	Overloads	Summary
BuildCNN	1	根据网络规模构建以全连接层为主体的 CNN 网络，作为统一计算内核。
BuildDataBlock	1	将原始输入样本写入 DataBlock 的权重向量，不做图像归一化（避免 -0.5 偏移，从而与旧 Netz/Network 对原始实数的输入语义保持一致）。

03 Members

method BuildCNN #

BuildCNN(Int32, Int32(), Int32, Layer, Layer, Boolean, Double)

根据网络规模构建以全连接层为主体的 CNN 网络，作为统一计算内核。

Parameters

Name	Type	Description
`inputSize`	`Int32`	输入节点的数量
`hiddenSize`	`Int32()`	每一个隐藏层的节点数量
`outputSize`	`Int32`	输出节点的数量
`hiddenAct`	Layer	隐藏层所使用的 CNN 激活层
`outputAct`	Layer	输出层所使用的 CNN 激活层
`regression`	`Boolean`	目标为连续数值回归（默认）时使用 RegressionLayer；若为分类问题，则改用 SoftMaxLayer。
`dropOutRate`	`Double`	0,1) 的 DropOut 比率；当大于 0 时，会在每个全连接层之后插入 [DropoutLayer 以进行正则化。

method BuildDataBlock #

BuildDataBlock(Double())

将原始输入样本写入 DataBlock 的权重向量，不做图像归一化（避免 -0.5 偏移，从而与旧 Netz/Network 对原始实数的输入语义保持一致）。