PReLU

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

应用逐元素 PReLU 函数。

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

或

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

这里 $a$ 是一个可学习的参数。如果在没有参数的情况下调用，nn.PReLU() 在所有输入通道上使用单个参数 $a$。如果用 nn.PReLU(nChannels) 调用，则每个输入通道使用单独的 $a$。

注意

学习 $a$ 时，为了获得良好的性能，不应使用权重衰减。

注意

通道维度是输入的第二个维度。当输入的维度小于 2 时，则没有通道维度，通道数为 1。

参数

• num_parameters (int) – 要学习的 $a$ 的数量。尽管它接受一个 int 作为输入，但只有两个值是合法的：1 或输入的通道数。默认值：1

• init (float) – $a$ 的初始值。默认值：0.25

形状

• 输入：$( *)$，其中 * 表示任意数量的额外维度。

• 输出：$(*)$，与输入相同的形状。

变量

weight (Tensor) – 形状为 (num_parameters) 的可学习权重。

示例

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