PReLU

class torch.nn.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

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

這裡 $a$ 是一個可學習引數。當不帶引數呼叫時，nn.PReLU() 在所有輸入通道上使用一個單一引數 $a$。如果帶引數 nn.PReLU(nChannels) 呼叫，則為每個輸入通道使用一個獨立的 $a$。

注意

為了獲得良好的效能，學習 $a$ 時不應使用權重衰減。

注意

通道維度是輸入的第 2 個維度。當輸入的維度小於 2 時，沒有通道維度，通道數等於 1。

引數

• num_parameters (int) – 要學習的 $a$ 引數數量。雖然輸入是一個整數，但只有兩個合法值：1 或輸入通道數。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：$(*)$，與輸入形狀相同。

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)