Référence de la classe aidge_in_space.nn.EntropyBottleneck

Entropy bottleneck de Ballé et al. Plus de détails...

Graphe d'héritage de aidge_in_space.nn.EntropyBottleneck:

Fonctions membres publiques
	__init__ (self, channels, filters=(3, 3, 3, 3), init_scale=10.0)
	Initialisation de CompressAI.
	medians (self)
	Médianes apprises (quantile central de quantiles).
Fonctions membres publiques hérités de aidge_in_space.nn._FactorizedPrior
	prob (self, v)
	Probabilité que le latent quantifié vaille v : P(v - 0,5 < y < v + 0,5).
	likelihood (self, y)
	Probabilité de chaque valeur d'un tenseur quantifié.

Attributs publics
	quantiles = nn.Parameter(torch.tensor([-init_scale, 0.0, init_scale]).repeat(channels, 1, 1))
	Quantiles appris de chaque canal (bas, médiane, haut).

Fonctions membres protégées
	_logits (self, v)
	Fonction de répartition avant sigmoïde, v de forme C x n.

Attributs protégés
	_matrices
	Matrices, biais et facteurs de chaque couche de la fonction de répartition (noms de CompressAI).
	_biases
	Matrices, biais et facteurs de chaque couche de la fonction de répartition (noms de CompressAI).
	_factors = nn.ParameterList(), nn.ParameterList(), nn.ParameterList()
	Matrices, biais et facteurs de chaque couche de la fonction de répartition (noms de CompressAI).

Description détaillée

Entropy bottleneck de Ballé et al.

2018, avec les noms de paramètres de CompressAI.

Documentation des constructeurs et destructeur

__init__()

aidge_in_space.nn.EntropyBottleneck.__init__	(		self,
			channels,
			filters = (3, 3, 3, 3),
			init_scale = 10.0 )

Initialisation de CompressAI.

Paramètres

channels	Nombre de canaux.
filters	Largeur des couches cachées de la fonction de répartition.
init_scale	Échelle initiale de la densité.

---

La documentation de cette classe a été générée à partir du fichier suivant :

• nn.py