///<summary>Обратное распространение ошибки(градиента) и её попутное вычисление.</summary>
public float Backward()
{
this.Layers[18].Output.DW = new float[this.Layers[18].Output.W.Length];
var Result = Losses.StyleLoss(this.Layers[18].Output, this.Style4, 0.2e6f);
this.Layers[18].Backward();
this.Layers[17].Backward();
this.Layers[16].Backward();
Result += Losses.ContentLoss(this.Layers[15].Output, this.Content, 8.0f);
this.Layers[15].Backward();
this.Layers[14].Backward();
this.Layers[13].Backward();
this.Layers[12].Backward();
Result += Losses.StyleLoss(this.Layers[11].Output, this.Style3, 0.2e6f);
this.Layers[11].Backward();
this.Layers[10].Backward();
this.Layers[9].Backward();
this.Layers[8].Backward();
this.Layers[7].Backward();
Result += Losses.StyleLoss(this.Layers[6].Output, this.Style2, 0.2e6f);
this.Layers[6].Backward();
this.Layers[5].Backward();
this.Layers[4].Backward();
this.Layers[3].Backward();
this.Layers[2].Backward();
Result += Losses.StyleLoss(this.Layers[1].Output, this.Style1, 0.2e6f);
this.Layers[1].Backward();
this.Layers[0].Backward();
return(Result);
}
///<summary>Запускает итеративный процесс. Количество итераций: 1000.</summary>
///<param name="X">Начальное изображение (холст).</param>
public void StartIterativeProcess(Tensor X){
for(int i = 0; i < 1000; i++){
this.Forward(X);
var l = this.Backward();
l += Losses.TVFLoss(X, 1f);
Adam.Train(X);
if(OnIterationDone != null){
OnIterationDone(i, l);
}
}
}