机器学习 · 函数

卷积层

创建二维卷积层。

调用签名(输入通道, 输出通道, 核大小)

卷ZHONGWEN
PYTHON

Chinese example

中文代码示例

# 完整案例：按字段调用 卷积层
设 结果 = 机器学习.卷积层(
    输入通道=[1, 2, 3, 4],  # 必填；CAN 总线通道名,如 can0 / vcan0
    输出通道=[1, 2, 3, 4],  # 必填；CAN 总线通道名,如 can0 / vcan0
    核大小=[1, 2, 3, 4],  # 必填；按函数业务含义传入 核大小;首次使用建议先 打印...
)
打印(结果)

可直接放进 .cs / .中py 文件运行。转换器会把中文代码交给真实 Python 解释器。

Parameters

参数说明

3 个参数

参数类型 / 传入方式说明

输入通道可选 · 默认无

未声明位置参数或字段名=值

CAN 总线通道名,如 can0 / vcan0。

常见错误：漏传会报 TypeError: missing required argument: '输入通道';检查调用是否漏了这行

输出通道可选 · 默认无

未声明位置参数或字段名=值

CAN 总线通道名,如 can0 / vcan0。

常见错误：漏传会报 TypeError: missing required argument: '输出通道';检查调用是否漏了这行

核大小可选 · 默认无

未声明位置参数或字段名=值

按函数业务含义传入核大小;首次使用建议先打印(结果) 确认其作用。

常见错误：漏传会报 TypeError: missing required argument: '核大小';检查调用是否漏了这行

Playbook

基础用法 · 进阶组合 · 错误排查

# 完整案例：按字段调用 卷积层
设 结果 = 机器学习.卷积层(
    输入通道=[1, 2, 3, 4],  # 必填；CAN 总线通道名,如 can0 / vcan0
    输出通道=[1, 2, 3, 4],  # 必填；CAN 总线通道名,如 can0 / vcan0
    核大小=[1, 2, 3, 4],  # 必填；按函数业务含义传入 核大小;首次使用建议先 打印...
)
打印(结果)

# 进阶组合:卷积层 配合 机器学习 业务流使用
设 模型 = 机器学习.训练线性回归([[1], [2], [3]], [2, 4, 6])
设 结果 = 机器学习.卷积层(
    输入通道=[1, 2, 3, 4],  # 必填
    输出通道=[1, 2, 3, 4],  # 必填
    核大小=[1, 2, 3, 4],  # 必填
)
设 结果 = 机器学习.预测(模型, [[4]])
打印(结果)

# 错误排查:覆盖 3 个必填参数

## 参数 1: 输入通道
# 错误:漏传会报 TypeError: missing required argument
# 设 结果 = 机器学习.卷积层()  # TypeError
# 修复:补上必填字段
设 结果 = 机器学习.卷积层(输入通道=[1, 2, 3, 4])

## 参数 2: 输出通道
# 错误:漏传会报 TypeError: missing required argument
# 设 结果 = 机器学习.卷积层()  # TypeError
# 修复:补上必填字段
设 结果 = 机器学习.卷积层(输出通道=[1, 2, 3, 4])

## 参数 3: 核大小
# 错误:漏传会报 TypeError: missing required argument
# 设 结果 = 机器学习.卷积层()  # TypeError
# 修复:补上必填字段
设 结果 = 机器学习.卷积层(核大小=[1, 2, 3, 4])
打印(结果)