Распределены ли веса по всем входам и выходам?

Question

Я только начал читать Глубокое обучение с JavaScript.

Вот пример кода из главы Прогнозирование продолжительности загрузки .

const trainData = {
  sizeMB:  [0.080, 9.000, 0.001, 0.100, 8.000, 5.000, 0.100, 6.000, 0.050, 0.500,
            0.002, 2.000, 0.005, 10.00, 0.010, 7.000, 6.000, 5.000, 1.000, 1.000],
  timeSec: [0.135, 0.739, 0.067, 0.126, 0.646, 0.435, 0.069, 0.497, 0.068, 0.116,
            0.070, 0.289, 0.076, 0.744, 0.083, 0.560, 0.480, 0.399, 0.153, 0.149]
};
const testData = {
  sizeMB:  [5.000, 0.200, 0.001, 9.000, 0.002, 0.020, 0.008, 4.000, 0.001, 1.000,
            0.005, 0.080, 0.800, 0.200, 0.050, 7.000, 0.005, 0.002, 8.000, 0.008],
  timeSec: [0.425, 0.098, 0.052, 0.686, 0.066, 0.078, 0.070, 0.375, 0.058, 0.136,
            0.052, 0.063, 0.183, 0.087, 0.066, 0.558, 0.066, 0.068, 0.610, 0.057]
};
const trainTensors = {
 sizeMB: tf.tensor2d(trainData.sizeMB, [20, 1]),
 timeSec: tf.tensor2d(trainData.timeSec, [20, 1])
};
const testTensors = {
  sizeMB: tf.tensor2d(testData.sizeMB, [20, 1]),
  timeSec: tf.tensor2d(testData.timeSec, [20, 1])
};
const model = tf.sequential([tf.layers.dense({inputShape: [1], units: 1})]);
model.compile({optimizer: 'sgd', loss: 'meanAbsoluteError'});

model.fit(trainTensors.sizeMB, trainTensors.timeSec, { epochs: 10 })
  .then(() => {})

Прежде чем перейти от этой главы, я хотел бы понять пару вещей.

1. В основе слоя лежит линейная функция y = kernel * x + bias. Эта функция отображает входы и выходы. Переменные kernel и bias корректируются в процессе обучения. Мой вопрос: Есть ли у каждой пары (вход / выход) свой экземпляр линейной функции со своим собственным состоянием? Другими словами, есть только одна пара (ядро / смещение) или 20 пар?

Answer 1

Существует только одна пара (ядро, смещение) по слою, которая задает параметры тренировки в случае плотного слоя. Их также называют весами слоев. Эти веса инициализируются, когда модель создается и обновляется во время обучения.

Если для каждого входа / выхода должно быть состояние, модель нельзя использовать для прогнозирования данных, которые она не видела.

model.getWeights() вернет массив весов модели , model.layers[indexOfLayer].getWeights() вернет массив весов указанного слоя c