# Sonnet Sonnet 是一個用 Python 編寫的面向對象的庫。它是由 DeepMind 在 2017 年發布的.Sonnet 打算從對象中清晰地分離構建計算圖的以下兩個方面： * 對象的配置稱為模塊 * 對象與計算圖的連接 可以使用以下命令在 Son 3 中安裝 Sonnet： ```py pip3 install dm-sonnet ``` 可以按照以下鏈接的說明從源安裝 Sonnet：[https://github.com/deepmind/sonnet/blob/master/docs/INSTALL.md](https://github.com/deepmind/sonnet/blob/master/docs/INSTALL.md)。 模塊被定義為抽象類`sonnet.AbstractModule`的子類。在編寫本書時，Sonnet 中提供了以下模塊： | 基本模塊 | `AddBias`，`BatchApply`，`BatchFlatten`，`BatchReshape`，`FlattenTrailingDimensions`，`Linear`，`MergeDims`，`SelectInput`，`SliceByDim`，`TileByDim`和`TrainableVariable` | | --- | --- | | 循環模塊 | `DeepRNN`，`ModelRNN`，`VanillaRNN`，`BatchNormLSTM`，`GRU`和`LSTM` | | Recurrent + ConvNet 模塊 | `Conv1DLSTM`和`Conv2DLSTM` | | ConvNet 模塊 | `Conv1D`，`Conv2D`，`Conv3D`，`Conv1DTranspose`，`Conv2DTranspose`，`Conv3DTranspose`，`DepthWiseConv2D`，`InPlaneConv2D`和`SeparableConv2D` | | ResidualNets | `Residual`，`ResidualCore`和`SkipConnectionCore` | | 其他 | `BatchNorm`，`LayerNorm`，`clip_gradient`和`scale_gradient` | 我們可以通過創建`sonnet.AbstractModule`的子類來定義我們自己的新模塊。從函數創建模塊的另一種非推薦方法是通過傳遞要包裝為模塊的函數來創建`sonnet.Module`類的對象。 在 Sonnet 庫中構建模型的工作流程如下： 1. 為從`sonnet.AbstractModule`繼承的數據集和網絡體系結構創建類。在我們的示例中，我們創建了一個 MNIST 類和一個 MLP 類。 2. 定義參數和超參數。 3. 從上一步中定義的數據集類定義測試和訓練數據集。 4. 使用定義的網絡類定義模型。例如，在我們的案例中，`model = MLP([20, n_classes])`創建了一個 MLP 網絡，其中包含兩層 20 和每個神經元`n_classes`的數量。 5. 使用模型為訓練和測試集定義`y_hat`占位符。 1. 定義訓練和測試集的損失占位符。 2. 使用訓練損失占位符定義優化程序。 3. 在 TensorFlow 會話中執行所需數量的周期的損失函數以優化參數。 筆記本電腦`ch-02_TF_High_Level_Libraries`中提供了 Sonnet MNIST 分類示例的完整代碼。 每個類中的`__init__`方法初始化類和相關的超類。 `_build`方法在調用類時創建并返回數據集或模型對象。 Sonnet MNIST 示例的輸出如下： ```py Epoch : 0 Training Loss : 236.79913330078125 Epoch : 1 Training Loss : 227.3693084716797 Epoch : 2 Training Loss : 221.96337890625 Epoch : 3 Training Loss : 220.99142456054688 Epoch : 4 Training Loss : 215.5921173095703 Epoch : 5 Training Loss : 213.88958740234375 Epoch : 6 Training Loss : 203.7091064453125 Epoch : 7 Training Loss : 204.57427978515625 Epoch : 8 Training Loss : 196.17218017578125 Epoch : 9 Training Loss : 192.3954315185547 Test loss : 192.8847198486328 ``` 由于神經網絡中計算的隨機性，您的輸出可能會有所不同。這包括我們對 Sonnet 模塊的概述。 有關 Sonnet 的更多詳細信息，您可以瀏覽以下鏈接：[https://deepmind.github.io/sonnet/](https://deepmind.github.io/sonnet/)。