Softplus

class torch.nn.Softplus(beta=1.0, threshold=20.0)

逐元素地应用 Softplus 函数。

$$\text{Softplus}(x) = \frac{1}{\beta} * \log(1 + \exp(\beta * x))$$

SoftPlus 是 ReLU 函数的平滑近似，可用于限制模型（或机器）的输出始终为正。

为了数值稳定性，当 $input \times \beta > threshold$ 时，实现（或函数）会退化为线性函数。

参数

• beta (float) – Softplus 公式中的 $\beta$ 值。默认值：1

• threshold (float) – 高于此值的输入会退化为线性函数。默认值：20

形状

• 输入：$(*)$，其中 $*$ 表示任意维度数量。

• 输出：$(*)$，形状与输入相同。

示例

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