RReLU

class torch.nn.RReLU(lower=0.125, upper=0.3333333333333333, inplace=False)

逐元素地套用隨機洩漏修正線性單元函數（randomized leaky rectified linear unit function）。

此方法描述於論文：Empirical Evaluation of Rectified Activations in Convolutional Network。

該函數定義如下：

$$\text{RReLU}(x) = \begin{cases} x & \text{if } x \geq 0 \\ ax & \text{ otherwise } \end{cases}$$

其中 $a$ 是在訓練期間從均勻分佈 $\mathcal{U}(\text{lower}, \text{upper})$ 隨機取樣，而在評估期間，$a$ 固定為 $a = \frac{\text{lower} + \text{upper}}{2}$。

參數：

• lower (float) – 均勻分佈的下限。預設值：$\frac{1}{8}$

• upper (float) – 均勻分佈的上限。預設值： $\frac{1}{3}$

• inplace (bool) – 可選擇是否原地 (in-place) 執行操作。預設值： False

形狀 (Shape)

• 輸入： $(*)$，其中 $*$ 代表任意數量的維度。

• 輸出： $(*)$，與輸入形狀相同。

範例

>>> m = nn.RReLU(0.1, 0.3)
>>> input = torch.randn(2)
>>> output = m(input)