RReLU¶
RReLU 激活层，应用随机纠正线性单元对神经元激活，参考论文： Empirical Evaluation of Rectified Activations in Convolutional Network 。
训练阶段对负斜率进行均匀分布随机采样：
\[\begin{split}rrelu(x)= \left\{ \begin{array}{rcl} x, & & if \ x >= 0 \\ a * x, & & otherwise \\ \end{array} \right.\end{split}\]
其中，\(x\) 为输入的 Tensor，\(a\) 是服从（\(lower\)，\(upper\) ）均匀分布的随机值。
测试阶段负斜率取均匀分布上下边界（\(lower\) 及 \(upper\) ）的平均值：
\[\begin{split}rrelu(x)= \left\{ \begin{array}{rcl} x, & & if \ x >= 0 \\ (lower + upper) * 0.5 * x, & & otherwise \\ \end{array} \right.\end{split}\]
其中，\(x\) 为输入的 Tensor，\(lower\) 及 \(upper\) 是随机均匀分布的上下边界。
参数¶
lower (float，可选) - 负值斜率的随机值范围下限，lower 包含在范围中。支持的数据类型：float。默认值为 0.125。
upper (float，可选) - 负值斜率的随机值范围上限，upper 包含在范围中。支持的数据类型：float。默认值为 0.3333333333333333。
name (str，可选) - 具体用法请参见 Name，一般无需设置，默认值为 None。
形状¶
x (Tensor) – 任意形状的 Tensor，默认数据类型为 float32。
out (Tensor) – 和 x 具有相同形状的 Tensor。
代码示例¶
import paddle
input_tensor = paddle.to_tensor([[[[-2.0, 3.0, -4.0, 5.0],
[ 3.0, -4.0, 5.0, -6.0],
[-7.0, -8.0, 8.0, 9.0]],
[[ 1.0, -2.0, -3.0, 4.0],
[-5.0, 6.0, 7.0, -8.0],
[ 6.0, 7.0, 8.0, 9.0]]]], dtype='float32')
rrelu_layer = paddle.nn.RReLU(0.1, 0.3)
out = rrelu_layer(input_tensor)
print(out)
#[[[[-0.20000899 3. -0.88108218 5. ]
# [ 3. -0.55175185 5. -1.07761011]
# [-1.06806871 -1.98962009 8. 9. ]]
# [[ 1. -0.52382672 -0.65515128 4. ]
# [-1.37663394 6. 7. -2.34657836]
# [ 6. 7. 8. 9. ]]]]