PyTorch学习笔记:nn.ReLU——ReLU激活函数

PyTorch学习笔记:nn.ReLU——ReLU激活函数

torch.nn.ReLU(inplace=False)

功能:逐元素应用ReLU函数对数据进行激活

函数方程:
R e L U ( x ) = ( x ) + = max ⁡ ( 0 , x ) ReLU(x)=(x)^+=\max(0,x) ReLU(x)=(x)+=max(0,x)

在这里插入图片描述

输入:

  • inplace:是否改变输入数据,如果设置为True,则会直接修改输入数据;如果设置为False,则不对输入数据做修改

注意:

  • 输入可以是任意尺寸的数据,输出尺寸与输入尺寸相同

代码案例

一般用法

import torch.nn as nn
import torch
a = torch.randn(10)
relu = nn.ReLU()
b = relu(a)
print(a)
print(b)

输出

# 经过relu之前
tensor([ 1.4481, -1.6880,  1.1357,  2.2152, -1.9795, -1.3784, -0.5270, -0.5725, 1.5533, -1.7112])
# 经过relu之后
tensor([1.4481, 0.0000, 1.1357, 2.2152, 0.0000, 0.0000, 0.0000, 0.0000, 1.5533, 0.0000])

官方文档

nn.ReLU():https://pytorch.org/docs/stable/generated/torch.nn.ReLU.html?highlight=relu#torch.nn.ReLU

初步完稿于:2022年1月28日

  • 9
    点赞
  • 33
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    评论
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

视觉萌新、

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值