public Network()
{
// 0 слой - входной входных соединений нет
InputLayer = new Layer2D(InputImageWidth, InputImageHeight, 0, 0);
// 1 слой - сверточный, 156 весов, 26364 входных соединений
var layer1 = new ConvolutionalLayer(L1MapsCount, L1MapWidth, L1MapHeight, L1InputsPerNeuron, Kernel);
layer1.ConnectTo(InputLayer);
// 2 слой - сверточный, 7550 весов, 188750 входных соединений
var layer2 = new ConvolutionalLayer(L2MapsCount, L2MapWidth, L2MapHeight, L2InputsPerNeuron, Kernel);
layer2.ConnectTo(layer1);
// 3 слой - полносвязный, 125100 весов, 125100 соединений
var layer3 = new Layer(L3NeuronsCount, L3InputsPerNeuron);
layer3.ConnectTo(layer2);
// 4 слой - полносвязный, 1010 весов, 1010 соединений
OutputLayer = new Layer(L4NeuronsCount, L4InputsPerNeuron);
OutputLayer.ConnectTo(layer3);
for (int y = 0, n = 0; y < InputLayer.Height; y++)
{
for (var x = 0; x < InputLayer.Width; x++, n++)
{
Debug.Assert(InputLayer.Neurons[n] == InputLayer.Neurons2D[y][x],
string.Format("n => y, x: {0} => {1}, {2}", n, y, x));
}
}
Layers = new[] { InputLayer, layer1, layer2, layer3, OutputLayer };
}
/// <summary>
/// ќбеспечивает соединение каждой карты признаков с каждой картой признаков входного сверточного сло¤.
/// </summary>
/// <param name="inputLayer">¬ходной сверточный слой.</param>
public void ConnectTo(ConvolutionalLayer inputLayer)
{
// каждую карту признаков подключаем к входному слою
foreach (var featureMap in FeatureMaps)
{
featureMap.ConnectTo(inputLayer, _kernel);
}
}
/// <summary>
/// ќбеспечивает соединение каждой карты признаков с каждой картой признаков входного сверточного сло¤.
/// </summary>
/// <param name="inputLayer">¬ходной сверточный слой.</param>
public void ConnectTo(ConvolutionalLayer inputLayer)
{
// каждую карту признаков подключаем к входному слою
foreach (var featureMap in FeatureMaps)
{
featureMap.ConnectTo(inputLayer, _kernel);
}
}
public void ConnectTo(ConvolutionalLayer inputLayer, KernelParams kernel)
{
// поочередно подключаем карту к каждой карте входного слоя,
var inputsCounter = 0;
foreach (var featureMap in inputLayer.FeatureMaps)
ConnectWithoutBiasTo(featureMap, kernel, ref inputsCounter);
ConnectLastToBias();
}
public void ConnectTo(ConvolutionalLayer inputLayer, KernelParams kernel)
{
// поочередно подключаем карту к каждой карте входного слоя,
var inputsCounter = 0;
foreach (var featureMap in inputLayer.FeatureMaps)
{
ConnectWithoutBiasTo(featureMap, kernel, ref inputsCounter);
}
ConnectLastToBias();
}
public Network()
{
// 0 слой - входной входных соединений нет
InputLayer = new Layer2D(InputImageWidth, InputImageHeight, 0, 0);
// 1 слой - сверточный, 156 весов, 26364 входных соединений
var layer1 = new ConvolutionalLayer(L1MapsCount, L1MapWidth, L1MapHeight, L1InputsPerNeuron, Kernel);
layer1.ConnectTo(InputLayer);
// 2 слой - сверточный, 7550 весов, 188750 входных соединений
var layer2 = new ConvolutionalLayer(L2MapsCount, L2MapWidth, L2MapHeight, L2InputsPerNeuron, Kernel);
layer2.ConnectTo(layer1);
// 3 слой - полносвязный, 125100 весов, 125100 соединений
var layer3 = new Layer(L3NeuronsCount, L3InputsPerNeuron);
layer3.ConnectTo(layer2);
// 4 слой - полносвязный, 1010 весов, 1010 соединений
OutputLayer = new Layer(L4NeuronsCount, L4InputsPerNeuron);
OutputLayer.ConnectTo(layer3);
for (int y = 0, n = 0; y < InputLayer.Height; y++)
{
for (var x = 0; x < InputLayer.Width; x++, n++)
{
Debug.Assert(InputLayer.Neurons[n] == InputLayer.Neurons2D[y][x],
string.Format("n => y, x: {0} => {1}, {2}", n, y, x));
}
}
Layers = new[] { InputLayer, layer1, layer2, layer3, OutputLayer };
}
