PReLU

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

应用逐元素的 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 $a$ 是一个可学习参数。当不带参数调用时，nn.PReLU() 在所有输入通道上使用一个单一参数 $a$。如果带参数 nn.PReLU(nChannels) 调用，则为每个输入通道使用一个独立的 $a$。

注意

为了获得良好的性能，学习 $a$ 时不应使用权重衰减。

注意

通道维度是输入的第 2 个维度。当输入的维度小于 2 时，没有通道维度，通道数等于 1。

参数

• num_parameters (int) – 要学习的 $a$ 参数数量。虽然输入是一个整数，但只有两个合法值：1 或输入通道数。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：$(*)$，与输入形状相同。

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)