Exponenta Banner
exponenta event banner

leakyrelu

Применить негерметичное включение выпрямленного линейного модуля

Свернуть все на странице

Синтаксис

dlY = leakyrelu(dlX)
dlY = leakyrelu(dlX,scaleFactor)

Описание

Операция активации утечки выпрямленного линейного модуля (ReLU) выполняет нелинейную пороговую операцию, где любое входное значение, меньше нуля, умножается на фиксированный масштабный коэффициент.

Эта операция эквивалентна

f(x)={x,x≥0scale*x,x<0.

Примечание

Эта функция применяет утечку операции ReLU к dlarray данные. Если вы хотите применить утечку активации ReLU в layerGraph объект или Layer массив, используйте следующий слой:

пример

dlY = leakyrelu(dlX) вычисляет утечку активации ReLU входного dlX путем применения пороговой операции. Все значения в dlX меньше нуля умножаются на масштабный коэффициент по умолчанию 0.01.

dlY = leakyrelu(dlX,scaleFactor) задает коэффициент шкалы для утечки операции ReLU.

Примеры

свернуть все

Используйте leakyrelu функция для масштабирования отрицательных значений в входных данных.

Создайте входные данные как одно наблюдение случайных значений с высотой и шириной 12 и 32 канала. 

height = 12;
width = 12;
channels = 32;
observations = 1;

X = randn(height,width,channels,observations);
dlX = dlarray(X,'SSCB');

Вычислите утечку активации ReLU с помощью шкалы фактора 0.05 для отрицательных значений во входе. 

dlY = leakyrelu(dlX,0.05);

Входные параметры

свернуть все

Входные данные, заданные как dlarray с метками размерностей или без.

Типы данных: single | double

Масштабный коэффициент для отрицательных входов, заданный как числовой скаляр. Значение по умолчанию 0.01.

Типы данных: single | double

Выходные аргументы

свернуть все

Утечки активации ReLU, возвращенные как dlarray. Область выхода dlY имеет тот же базовый тип данных, что и входной dlX.

Если входные данные dlX является форматированным dlarray, dlY имеет те же метки размерностей, что и dlX. Если входные данные не являются форматированным dlarray, dlY является неформатированным dlarray с тем же порядком размерности, что и входные данные.

Расширенные возможности

См. также

| | | | |

Темы

Введенный в R2019b

Документация по Deep Learning Toolbox

Поддержка