PReLU

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

應用逐元素的 PReLU 函數。

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

或

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

此處 $a$ 是一個可學習的參數。當不帶參數呼叫 nn.PReLU() 時，它會使用單一參數 $a$ 應用於所有輸入通道。如果使用 nn.PReLU(nChannels) 呼叫，則每個輸入通道都會使用不同的 $a$。

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。當輸入的維度 < 2 時，則沒有通道維度，且通道數 = 1。

參數

• num_parameters (int) – 要學習的 $a$ 數量。 雖然它以 int 作為輸入，但只有兩個值是合法的：1，或輸入時的通道數。 預設值：1

• init (float) – $a$ 的初始值。 預設值：0.25

形狀

• 輸入： $( *)$ 其中 * 表示任意數量的額外維度。

• 輸出： $(*)$，與輸入相同的形狀。

變數

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

範例

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