PReLU

class torch.nn.modules.activation.PReLU(num_parameters=1, init=0.25, device=None, dtype=None)

應用逐元素的 PReLU 函式。

$$\text{PReLU}(x) = \max(0,x) + a * \min(0,x)$$

或

$$\text{PReLU}(x) = \begin{cases} x, & \text{ if } x \ge 0 \\ ax, & \text{ otherwise } \end{cases}$$

其中 $a$ 是一個可學習的引數。當不帶引數呼叫時，nn.PReLU() 使用一個引數 $a$ 作用於所有輸入通道。如果使用 nn.PReLU(nChannels) 呼叫，則每個輸入通道都有一個獨立的 $a$。

注意

為了獲得良好的效能，在學習 $a$ 時，不應使用權重衰減。

注意

通道維度是輸入的第二個維度。當輸入維度小於 2 時，則沒有通道維度，通道數為 1。

引數

• num_parameters (int) – 要學習的 $a$ 的數量。雖然它接受整數作為輸入，但只有兩個合法值：1，或輸入通道數。預設為：1

• init (float) – $a$ 的初始值。預設為：0.25

形狀

• 輸入：$( *)$，其中 * 表示任何數量的附加維度。

• 輸出： $(*)$，形狀與輸入相同。

變數

weight (Tensor) – 形狀為 (num_parameters) 的可學習權重。

示例

>>> m = nn.PReLU()
>>> input = torch.randn(2)
>>> output = m(input)

extra_repr()

返回模組的額外表示。

返回型別

str

forward(input)

執行前向傳播。

返回型別

張量

reset_parameters()

根據 __init__ 中使用的初始化重置引數。