MindSpore算子笔记–nn.ReLU
背景
ReLU是神经网络中最基础的一种激活函数,主要应用于卷积神经网络中提高网络非线性度,从而可拟合复杂函数,模拟神经元突触控制部分神经激活的场景。计算公式是f(x)=max(0,x),因此输入在小于0时,结果为0,输入在大于0时为线性增大,参考下图
参数介绍
input_data (Tensor) - 输入Tensor,要求输入数据必须为fp32或fp16格式
调用方式
import numpy as np
import mindspore.nn as nn
from mindspore import context, Tensor
#pynative模式
context.set_context(mode=context.PYNATIVE_MODE, device_target="CPU")
input_data = Tensor(np.ones([2, 3, 3]).astype(np.float32))
relu = nn.ReLU()
output = relu(input_data)
print(output.asnumpy())
#graph模式
context.set_context(mode=context.GRAPH_MODE, device_target="CPU")
class Net(nn.Cell):
def __init__(self):
super(Net, self).__init__()
self.relu = nn.ReLU()
def construct(self, x):
out = self.relu(X)
return out
input_data = Tensor(np.ones([2, 3, 3]).astype(np.float32))
net = Net()
output = net(input_data)
print(output.asnumpy())