软 plus 函数

classtorch.nn.Softplus(beta=1.0, threshold=20.0)[源代码]

对每个元素应用Softplus函数。

$\text{Softplus}(x) = \frac{1}{\beta} * \log(1 + \exp(\beta * x))$

SoftPlus 是 ReLU 函数的一种平滑近似，可用于确保机器的输出始终为正。

为了保证数值稳定性，当$input \times \beta > threshold$时，实现会退回到线性函数。

参数

• beta (float) – Softplus 公式中的 $\beta$ 值。默认值：1

• threshold (float) – 阈值以上的情况将恢复为线性函数。默认值：20

形状:

• 输入: $(*)$，其中$*$表示任意维度的数量。

• 输出: $(*)$，形状与输入相同。

示例:

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