hard_swish

paddle.fluid.layers. hard_swish ( x, threshold=6.0, scale=6.0, offset=3.0, name=None ) [源代码]

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 (str,可选) - 具体用法请参见 Name,一般无需设置,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 paddle
import numpy as np
paddle.enable_static()

DATATYPE='float32'

x_data = np.array([i for i in range(1,5)]).reshape([1,1,4]).astype(DATATYPE)

x = fluid.data(name="x", shape=[None,1,4], dtype=DATATYPE)
y = fluid.layers.hard_swish(x)

place = fluid.CPUPlace()
#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.]]