35 lines
1.3 KiB
ReStructuredText
35 lines
1.3 KiB
ReStructuredText
mindspore.ops.prelu
|
||
===================
|
||
|
||
.. py:function:: mindspore.ops.prelu(input, weight)
|
||
|
||
带参数的线性修正单元激活函数（Parametric Rectified Linear Unit activation function）。
|
||
|
||
`Delving Deep into Rectifiers: Surpassing Human-Level Performance on ImageNet Classification <https://arxiv.org/abs/1502.01852>`_ 描述了PReLU激活函数。定义如下：
|
||
|
||
.. math::
|
||
prelu(x_i)= \max(0, x_i) + \min(0, w * x_i),
|
||
|
||
其中 :math:`x_i` 是输入的一个通道的一个元素，:math:`w` 是通道权重。
|
||
|
||
PReLU函数图：
|
||
|
||
.. image:: ../images/PReLU2.png
|
||
:align: center
|
||
|
||
.. note::
|
||
- 通道数是输入的第二个维度值。当输入的维度小于2时，则没有通道维度，此时通道数等于1。
|
||
- 在GE模式下，输入tensor的秩必须大于1，否则会触发报错。
|
||
|
||
参数：
|
||
- **input** (Tensor) - 激活函数的输入Tensor。
|
||
- **weight** (Tensor) - 权重Tensor。其大小为1或者等于输入Tensor `input` 的通道数。
|
||
|
||
返回：
|
||
Tensor，其shape和数据类型与 `input` 相同。
|
||
有关详细信息，请参考 :class:`mindspore.mint.nn.PReLU` 。
|
||
|
||
异常：
|
||
- **TypeError** - `input` 或 `weight` 不是Tensor。
|
||
- **ValueError** - `weight` 不是0-D或1-D Tensor。
|