|
|
|
@ -19,7 +19,7 @@
|
|
|
|
|
|
|
|
|
|
### 基本使用概念
|
|
|
|
|
|
|
|
|
|
- 在PaddlePaddle内部,神经网络中一个计算层的输入/输出被组织为一个 `Argument` 结构体,如果神经网络有多个输入或者多个输入,每一个输入/输入都会对应有自己的`Argument`。
|
|
|
|
|
- 在PaddlePaddle内部,神经网络中一个计算层的输入/输出被组织为一个 `Argument` 结构体,如果神经网络有多个输入或者多个输出,每一个输入/输出都会对应有自己的`Argument`。
|
|
|
|
|
- `Argument` 并不真正“存储”数据,而是将输入/输出信息有机地组织在一起。
|
|
|
|
|
- 在`Argument`内部由`IVector`(对应着上文提到的一维整型数组)和`Matrix`(对应着上文提到的二维浮点型矩阵)来实际存储数据;由 `Sequence Start Positions` (下文详细解释) 来描述输入/输出的序列信息。
|
|
|
|
|
|
|
|
|
|