torch.nn.GELU

最新推荐文章于 2024-02-18 20:24:46 发布

tianyunlinger

最新推荐文章于 2024-02-18 20:24:46 发布

阅读量9.5k

点赞数 2

分类专栏：笔记深度学习文章标签： python 深度学习

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/tianyunlinger/article/details/119728944

版权

笔记同时被 2 个专栏收录

21 篇文章 0 订阅

订阅专栏

8 篇文章 0 订阅

订阅专栏

m = nn.GELU()
input = torch.randn(2)
output = m(input)

在这里插入图片描述

误差函数图

在数学中，误差函数(亦称高斯误差函数)，通常表示为ERF，是一个复变量的复函数，定义为：

$\displaystyle \operatorname {erf} z={\frac {2}{\sqrt {\pi }}}\int _{0}^{z}e^{-t^{2}}\,dt.$
这个积分是特殊(非-初等) sigmoid中经常出现的函数。概率, 统计，和偏微分方程。在许多这些应用程序中，函数参数是实数。如果函数参数是实的，那么函数值也是实的。
在统计学上，对于非负值x，错误函数具有以下解释：随机变量 Y那是正态分布带着平均0和标准差 1/√2, ERFx是概率Y落在范围[−x, x]内.
两个密切相关的函数是互补误差函数 (ERFC)定义为
$\displaystyle \operatorname {erfc} z=1-\operatorname {erf} z.$

在这里插入图片描述
参考链接：https://pytorch.org/docs/stable/generated/torch.nn.GELU.html?highlight=gelu
https://en.wikipedia.org/wiki/Error_function
https://blog.csdn.net/qq_40945404/article/details/110497682

关注

2
点赞
踩
4

收藏

觉得还不错? 一键收藏
0
评论
torch.nn.GELU

m = nn.GELU()input = torch.randn(2)output = m(input) 误差函数图在数学中，误差函数(亦称高斯误差函数)，通常表示为ERF，是一个复变量的复函数，定义为：erf⁡z=2π∫0ze−t2 dt.\displaystyle \operatorname {erf} z={\frac {2}{\sqrt {\pi }}}\int _{0}^{z}e^{-t^{2}}\,dt.erfz=π2∫0ze−t2dt.这个积分是特殊(非-初等) s.
复制链接

扫一扫

专栏目录

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

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。