链式模型神经网络前传计算

0.前言

该链式模型在前馈传播过程与全连接神经网络类似，在计算目标数据的概率分布时仅需隐层中的权重参数和偏置参数值。而在此类推理过程中，并不存在BatchNormalization、Dropout等操作；相反地，在加载最终训练完成后的模型文件（final.mdl）时对模型进行了优化配置。

    SetBatchnormTestMode(true, &(am_nnet.GetNnet()));
    SetDropoutTestMode(true, &(am_nnet.GetNnet()));
    nnet3::CollapseModel(nnet3::CollapseModelConfig(), &(am_nnet.GetNnet()));

经过上述优化后，则可获得每一层对应的权重参数及其偏置值。相应的神经网络计算步骤则简化为执行矩阵乘法操作并随后应用Relu激活函数的过程。其中，在实现这一过程时，则采用了基于OpenBLAS库的cblas_sgemm函数来进行矩阵乘法运算，并将结果与常量矩阵C相加得到最终输出。

1. 简单的全连接神经网络

简单描述一下全连接神经网络，熟悉的可以跳过。

![在这里插入图片描述](https://ad.itadn.com/c/weblog/blog-img/images/2025-05-31/