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

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

这里 $a$ 是一个可学习的参数。当不带参数调用时，nn.PReLU() 使用一个单一的参数 $a$ 应用于所有输入通道。如果使用 nn.PReLU(nChannels) 调用，则为每个输入通道使用一个单独的 $a$。

注意

在为良好性能学习 $a$ 时，不应使用权重衰减。

注意

通道维度是输入的第2维。当输入的维度小于2时，则没有通道维度，通道数 = 1。

Parameters

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

• 初始化 (浮点数) – $a$ 的初始值。默认值: 0.25

Shape:

• 输入：$( *)$ 其中 * 表示任意数量的额外维度。

• 输出: $(*)$, 与输入形状相同。

Variables

权重 (张量) – 可学习的权重，形状为 (num_parameters)。

示例：

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