PReLU

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

应用逐元素 PReLU 函数。

$$\text{PReLU}(x) = \max(0,x) + a * \min(0,x)$$

或者

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

$a$ 是一个可学习的参数。当不带参数调用 nn.PReLU() 时，它使用单个参数 $a$ 涵盖所有输入通道。如果使用 nn.PReLU(nChannels) 调用，则每个输入通道使用单独的 $a$ 。

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二个维度。当输入维度小于 2 时，则没有通道维度，通道数等于 1。

参数:

• num_parameters (int) – 要学习的 $a$ 的数量。虽然它接受 int 类型的输入，但只有两个值是合法的：1 或输入通道的数量。默认：1

• init (float) – $a$ 的初始值。默认：0.25

形状：

• Input: $( *)$ 其中 * 表示任意数量的附加维度。

• 输出： $(*)$ ，与输入具有相同的形状。

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)