PyTorch学习笔记：nn.LeakyReLU——LeakyReLU激活函数
功能：逐元素对数据应用如下函数公式进行激活
LeakyReLU
(
x
)
=
max
(
0
,
x
)
+
α
∗
min
(
0
,
x
)
\text{LeakyReLU}(x)=\max(0,x)+\alpha*\min(0,x)
LeakyReLU(x)=max(0,x)+α∗min(0,x)
或者
LeakyReLU
(
x
)
=
{
x
,
i
f
x
≥
0
α
×
x
,
otherwise
\begin{aligned} \text{LeakyReLU}(x)= \left\{ \begin{matrix} x,\quad &if\quad x≥0 \\ \alpha\times x,\quad &\text{otherwise} \end{matrix} \right. \end{aligned}
LeakyReLU(x)={x,α×x,ifx≥0otherwise
该函数相比于ReLU，保留了一些负轴的值，缓解了激活值过小而导致神经元参数无法更新的问题，其中
α
\alpha
α默认0.01。
函数图像：
输入：
negative_slope：控制负激活值的斜率，默认1e-2inplace：是否改变输入数据，如果设置为True，则会直接修改输入数据；如果设置为False，则不对输入数据做修改
注意：
- 输出数据与输入数据尺寸相同
代码案例
与ReLU做比较
import torch.nn as nn
import torch
LeakyReLU = nn.LeakyReLU(negative_slope=5e-2)
ReLU = nn.ReLU()
x = torch.randn(10)
value = ReLU(x)
value_l = LeakyReLU(x)
print(x)
print(value)
print(value_l)
输出
# 输入
tensor([ 0.1820, -0.4248, -0.9135, 0.1136, -1.0147, -0.5044, 0.1361, 0.0744,
1.3379, -1.1290])
# ReLU
tensor([0.1820, 0.0000, 0.0000, 0.1136, 0.0000, 0.0000, 0.1361, 0.0744, 1.3379,
0.0000])
# LeakyReLU
tensor([ 0.1820, -0.0212, -0.0457, 0.1136, -0.0507, -0.0252, 0.1361, 0.0744,
1.3379, -0.0564])
注：绘图程序
import torch.nn as nn
import torch
import numpy as np
import matplotlib.pyplot as plt
LeakyReLU = nn.LeakyReLU(negative_slope=5e-2)
x = torch.from_numpy(np.linspace(-3,3,100))
value = LeakyReLU(x)
plt.plot(x, value)
plt.savefig('LeakyReLU.jpg')
官方文档
nn.LeakyReLU：https://pytorch.org/docs/stable/generated/torch.nn.LeakyReLU.html#torch.nn.LeakyReLU
初步完稿于：2022年2月16日
