Unet改进1：更换不同的激活函数

本篇内容：将unet中卷积模块的RELU激活函数替换为不同的激活函数，提高模型性能！

激活函数在人工神经网络（ANN）中起着至关重要的作用，它们是引入非线性特性的关键，使得神经网络能够学习和逼近复杂的非线性函数。如果没有激活函数，神经网络的每一层输出都是上一层输入的线性组合，这样的网络无论层数多少，整体仍然是线性的，无法处理复杂的模式。

目录

1.步骤一

2.步骤二

3.步骤三

---

1.步骤一

在models/unet_parts.py添加如下代码：

########新增
class Conv(nn.Module):
    # Standard convolution
    def __init__(self, c1, c2, k=3):  # ch_in, ch_out, kernel, stride, padding, groups
        super(Conv, self).__init__()
        self.conv = nn.Conv2d(c1, c2, k, padding=1, bias=False)
        self.bn = nn.BatchNorm2d(c2)
        #self.act = nn.SiLU()
        #self.act = nn.LeakyReLU(0.1