\u200E
  • 开始使用
  • 特性
  • 文档
    • API
    • 使用指南
  • 工具平台
    • 工具
      • AutoDL
  • develop(Fluid)
  • 1.6(Fluid)
  • 1.5(Fluid)
  • 1.4(Fluid)
  • 1.3(Fluid)
  • 1.2(Fluid)
  • 1.1(Fluid)
  • 1.0(Fluid)
  • 0.15.0(Fluid)
  • 0.14.0(Fluid)
  • 0.13.0(Fluid)
  • 0.12.0(v2)
  • 0.11.0(v2)
  • 0.10.0(v2)
  • 中文(简)
  • English(En)
  • 新手入门
    • 快速开始
    • 安装说明
      • Ubuntu下安装
      • CentOS下安装
      • MacOS下安装
      • Windows下安装
      • 使用conda安装
      • 使用Docker安装
      • 从源码编译
        • Ubuntu下从源码编译
        • CentOS下从源码编译
        • MacOS下从源码编译
        • Windows下从源码编译
      • 附录
    • 深度学习基础教程
      • 线性回归
      • 数字识别
      • 图像分类
      • 词向量
      • 个性化推荐
      • 情感分析
      • 语义角色标注
      • 机器翻译
      • 生成对抗网络
    • Fluid编程指南
  • 使用指南
    • 基本概念
      • LoD-Tensor使用说明
    • 准备数据
      • 数据预处理工具
      • 异步数据读取
      • 同步数据读取
    • 配置简单的网络
    • 训练神经网络
      • 单机训练
        • 训练过程中评测模型
      • 多机训练
        • 分布式训练快速开始
        • 分布式训练使用手册
        • 使用FleetAPI进行分布式训练
        • 在百度云启动分布式训练
        • 在百度云分布式训练CTR
      • 模型/变量的保存、载入与增量训练
    • 模型评估/调试
      • 模型评估
      • VisualDL 工具
        • VisualDL 工具简介
        • VisualDL 使用指南
    • 动态图机制-DyGraph
    • Fluid 模型库
  • 进阶使用
    • 设计思想
    • 预测部署
      • 服务器端部署
        • 安装与编译C++预测库
        • C++ 预测 API介绍
        • Python 预测 API介绍
        • 使用Paddle-TensorRT库预测
        • TensorRT库性能测试
        • 安装与编译Windows预测库
      • 移动端部署
        • Paddle-Mobile
        • 开发者文档
    • 新增OP
      • 如何写新的C++ OP
      • C++ OP相关注意事项
      • 如何写新的Python OP
    • 性能调优
      • CPU性能调优
      • 堆内存分析和优化
      • timeline工具简介
    • 优秀实践
      • 分布式CPU训练优秀实践
      • 分布式GPU训练优秀实践
      • 单机训练优秀实践
      • 显存分配与优化
    • 模型压缩工具库
    • 如何贡献代码
      • 本地开发指南
      • 提交PR注意事项
      • FAQ
    • 如何贡献文档
  • API
    • API分类检索
      • 基础概念
      • 神经网络层
        • 卷积
        • 池化
        • 图像检测
        • 序列
        • 数学操作
        • 激活函数
        • 损失函数
        • 数据输入输出
        • 控制流
        • 稀疏更新
        • 使用DataFeeder传入训练/预测数据
        • 学习率调度器
        • 张量
      • 复杂网络
      • 优化器
      • 反向传播
      • 评价指标
      • 模型保存与加载
      • 预测引擎
      • 执行引擎
      • 数据并行执行引擎
      • CompiledProgram
      • 模型参数
      • 分布式训练
        • 分布式同步训练
        • 分布式异步训练
        • 大规模稀疏特征模型训练
        • 分布式训练reader准备
      • TensorFlow-Fluid常用接口对应表
      • Caffe-Fluid常用层对应表
    • fluid
    • fluid.average
    • fluid.backward
    • fluid.clip
    • fluid.data_feeder
    • fluid.dataset
    • fluid.dygraph
    • fluid.executor
    • fluid.initializer
    • fluid.io
    • fluid.layers
      • control_flow
      • detection
      • io
      • learning_rate_scheduler
      • metric_op
      • nn
      • ops
      • tensor
    • fluid.metrics
    • fluid.nets
    • fluid.optimizer
    • fluid.profiler
    • fluid.regularizer
    • fluid.transpiler
    • fluid.unique_name
    • dataset
    • Data Reader
  • 环境变量FLAGS
    • cudnn
    • 数值计算
    • 调试
    • 设备管理
    • 分布式
    • 执行器
    • 存储管理
    • 其他
  • FAQ
    • 安装与编译
    • 网络搭建及训练
    • 预测引擎
  • 神经网络层
  • »
  • API »
  • API分类检索 »
  • 神经网络层
  • View page source

神经网络层¶

  • 卷积
  • 池化
  • 图像检测
  • 序列
  • 数学操作
  • 激活函数
  • 损失函数
  • 数据输入输出
  • 控制流
  • 稀疏更新
  • 使用DataFeeder传入训练/预测数据
  • 学习率调度器
  • 张量