.. _sec_d2l: ``d2l`` API ドキュメント ======================== この節では、\ ``d2l`` パッケージに含まれるクラスと関数をアルファベット順に示し、それらが本書のどこで定義されているかを示す。これにより、より詳細な実装や説明を見つけることができる。 `GitHub リポジトリ `__ のソースコードも参照のこと。 完全な API リファレンス（自動生成されたクラスおよび関数のドキュメント）は、英語版の `d2l.ai API Document `__ を参照のこと。 クラス ------ =========================== ============================================ クラス名 説明 =========================== ============================================ ``AdditiveAttention`` 加法注意機構 ``AddNorm`` 残差接続と層正規化 ``AttentionDecoder`` 注意機構付きデコーダの基底クラス ``Classifier`` 分類モデルの基底クラス ``DataModule`` データモジュールの基底クラス ``Decoder`` デコーダの基底クラス ``DotProductAttention`` スケーリングドット積注意機構 ``Encoder`` エンコーダの基底クラス ``EncoderDecoder`` エンコーダ・デコーダモデルの基底クラス ``FashionMNIST`` Fashion-MNIST データセット ``GRU`` ゲート付き回帰ユニット ``HyperParameters`` ハイパーパラメータのユーティリティ基底クラス ``LeNet`` LeNet-5 モデル ``LinearRegression`` 線形回帰モデル ``LinearRegressionScratch`` ゼロから実装した線形回帰 ``Module`` すべてのモデルの基底クラス ``MTFraEng`` 仏英機械翻訳データセット ``MultiHeadAttention`` マルチヘッド注意機構 ``PositionalEncoding`` 位置エンコーディング ``PositionWiseFFN`` 位置ごとのフィードフォワードネットワーク ``ProgressBoard`` 学習進捗の可視化ボード ``Residual`` 残差ブロック ``ResNeXtBlock`` ResNeXt ブロック ``RNN`` 再帰ニューラルネットワーク ``RNNLM`` RNN 言語モデル ``RNNLMScratch`` ゼロから実装した RNN 言語モデル ``RNNScratch`` ゼロから実装した RNN ``Seq2Seq`` シーケンスツーシーケンスモデル ``Seq2SeqEncoder`` Seq2Seq エンコーダ ``SGD`` 確率的勾配降下法 ``SoftmaxRegression`` ソフトマックス回帰モデル ``SyntheticRegressionData`` 合成回帰データ ``TimeMachine`` Time Machine テキストデータセット ``Trainer`` モデルの学習ユーティリティ ``TransformerEncoder`` Transformer エンコーダ ``TransformerEncoderBlock`` Transformer エンコーダブロック ``Vocab`` テキストの語彙 =========================== ============================================ 関数 ---- =========================== ===================================== 関数名 説明 =========================== ===================================== ``add_to_class`` クラスにメソッドを動的に追加 ``bleu`` BLEU スコアの計算 ``check_len`` 引数の長さを検証 ``check_shape`` テンソルの形状を検証 ``corr2d`` 2次元相互相関演算 ``cpu`` CPU デバイスを取得 ``gpu`` GPU デバイスを取得 ``init_cnn`` CNN の重みを初期化 ``init_seq2seq`` Seq2Seq の重みを初期化 ``masked_softmax`` マスク付きソフトマックス演算 ``num_gpus`` 利用可能な GPU 数を取得 ``plot`` グラフの描画 ``set_axes`` matplotlib の軸を設定 ``set_figsize`` 図のサイズを設定 ``show_heatmaps`` ヒートマップを表示 ``show_list_len_pair_hist`` リスト長のペアのヒストグラムを表示 ``try_all_gpus`` 利用可能な全 GPU を取得、なければ CPU ``try_gpu`` GPU を取得、なければ CPU ``use_svg_display`` SVG 形式での表示を有効化 =========================== =====================================