PReLU

类torch.nn.PReLU(num_parameters=1, init=0.25, device=None, dtype=None)[源代码]

应用逐元素的PReLU函数。

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

或者

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

在这里，$a$是一个可学习的参数。当不带参数调用nn.PReLU()时，所有输入通道共用一个$a$。如果调用nn.PReLU(nChannels)，则每个输入通道会使用单独的一个$a$。

注意

在学习$a$时，为了取得良好性能，不应使用权重衰减。

注意

通道维度是输入的第二维。如果输入维度小于2，则不存在通道维度，此时通道数量为1。

参数

• num_parameters (int) – 需要学习的$a$的数量。尽管它接受一个整数作为输入，但只有两个值是合法的：1 或 输入通道的数量。默认值为 1。

• init (float) – 设置初始值 $a$。默认值：0.25

形状:

• 输入: $( *)$，其中 * 表示任意数量的额外维度。

• 输出: $(*)$，形状与输入相同。

变量

weight (Tensor) — 形状为 (num_parameters) 的可学习权重。

示例:

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