hard_swish¶
该OP实现了hard_swish激活函数。hard_swish激活函数在MobileNetV3架构中被提出,相较于swish函数,具有数值稳定性好,计算速度快等优点,具体原理请参考: https://arxiv.org/pdf/1905.02244.pdf
\(out = \frac{x * (min(max(0, x+offset), threshold))}{scale}\)
阈值
threshold
和缩放因子scale
为正数,位移offset
正负均可,建议使用默认参数。
参数¶
x (Variable) - 输入特征,多维Tensor。数据类型为float32或float64。
threshold (float,可选) - 激活操作中Relu函数的阈值,默认值为6.0。
scale (float,可选) - 激活操作的缩放因子,默认值为6.0。
offset (float,可选) - 激活操作的位移,默认值为3.0。
name (None|str) – 该参数供开发人员打印调试信息时使用,具体用法请参见 Name ,默认值为None。
返回¶
经过hard_swish计算后的结果,数据类型及维度和x相同。
返回类型¶
Variable
代码示例¶
import paddle.fluid as fluid
import numpy as np
DATATYPE='float32'
shape = [1,4]
x_data = np.array([i for i in range(1,5)]).reshape(shape).astype(DATATYPE)
x = fluid.layers.data(name="x", shape=shape, dtype=DATATYPE)
y = fluid.layers.hard_swish(x)
place = fluid.CUDAPlace(0)
exe = fluid.Executor(place)
out, = exe.run(feed={'x':x_data}, fetch_list=[y.name])
print(out) # [[0.66666667, 1.66666667,3., 4.]]