PReLU¶
- class torch.nn.PReLU(num_parameters=1, init=0.25, device=None, dtype=None)[源代码]¶
应用逐元素 PReLU 函数。
或
这里 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 。如果用 nn.PReLU(nChannels) 调用,则每个输入通道使用单独的 。
注意
学习 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
- 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)