RReLU

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

應用隨機化 Leaky 修正線性單元函式，按元素進行。

該方法在以下論文中描述： Empirical Evaluation of Rectified Activations in Convolutional Network。

函式定義為

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

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

引數

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

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

• inplace (bool) – 可以選擇原地執行操作。預設值：False

形狀

• 輸入：$(*)$，其中 $*$ 表示任意數量的維度。

• 輸出：$(*)$，與輸入形狀相同。

示例

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