계산 그래프 구성과 백엔드 연산 부분이 수정된 Dense Layer, call 함수

    def call(self, input_data):
        """
        Dense 층의 연산을 수행합니다.
        """
        if input_data.ndim != 2 or input_data.shape[1] != self.input_shape[1]:
            raise ValueError(f"Invalid input shape. Expected shape (batch_size, {self.input_shape[1]}), "
                             f"but got {input_data.shape}.")

        # 행렬 곱셈 연산
        x, self.node_list = operations_matrix.matrix_multiply(input_data, self.weights)

        # 편향 추가
        if self.bias is not None:
            bias_reshaped = np.tile(self.bias, (input_data.shape[0], 1))
            x, add_node_list = operations_matrix.matrix_add(x, bias_reshaped)
            
            # add_node_list 의 각 원소의 리프 노드 탐색 후 연결수행

            for i in range(len(self.node_list)):
                leaf_node = add_node_list[i].find_leaf_nodes()[0]
                root_node = self.node_list[i]

                root_node.add_parent(leaf_node)
                leaf_node.add_child(root_node)


        # 활성화 함수 적용
        if self.activation is not None:
            x, act_node_list = self.activation(x)
            
            for i in range(len(self.node_list)):
                leaf_node = act_node_list[i].find_leaf_nodes()[0]
                root_node = self.node_list[i]

                root_node.add_parent(leaf_node)
                leaf_node.add_child(root_node)
            
        return x.reshape(1,-1)

기존의 Dense Layer 에서 수정이 필요

 

이전의 방법에선 백엔드, C++ 내에서 계산 그래프의 구성과 행렬 연산이 모두 실행되었음

 

바뀐 방법, 행렬 연산의 부분만 C++ 내에서 구현, 계산 그래프의 경우 python 으로 구현한 node class 를 사용하여 구성하는 방법으로 변경할 것임

 

def call(self, input_data):
        """
        Dense 층의 연산을 수행합니다.

        연산 수행 과정을 수정하자
        """
        if input_data.ndim != 2 or input_data.shape[1] != self.input_shape[1]:
            raise ValueError(f"Invalid input shape. Expected shape (batch_size, {self.input_shape[1]}), "
                             f"but got {input_data.shape}.")

        # 행렬 곱셈 연산, 결과를 저장할 result 행렬을 미리 생성한다.

        result = np.zeros(input_data.shape[0], self.weights[1])
        
        matrix_ops.matrix_mul(input_data, self.weights, result)

        # 편향 추가
        if self.bias is not None:
            
            # 편향 값을 행렬로 변환
            bias_reshaped = np.tile(self.bias, (input_data.shape[0], 1))
            
            matrix_ops.matrix_add(result, bias_reshaped, result)


        """
        활성화 함수 적용 부분 수정 필요
        """
        if self.activation is not None:
            x, act_node_list = self.activation(x)
            
        return x.reshape(1,-1)

바뀐 call 연산 중 일부,

단순 행렬 연산의 backend 내에서 실행,

계산 그래프의 생성 부분의 수정 필요