Softplus

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

逐元素应用Softplus函数。

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

SoftPlus 是 ReLU 函数的平滑近似，可以用来约束机器的输出始终为正。

为了数值稳定性，当$input \times \beta > threshold$时，实现会回退到线性函数。

Parameters

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

• 阈值 (float) – 高于此值的数值将恢复为线性函数。默认值：20

Shape:

• 输入：$(*)$，其中 $*$ 表示任意数量的维度。

• 输出: $(*)$, 与输入形状相同。

示例：

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