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
>>> paddle.seed(2023)
>>> 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)
Tensor(shape=[1, 2, 3, 4], dtype=float32, place=Place(cpu), stop_gradient=True,
[[[[-0.54633451, 3. , -0.81611776, 5. ],
[ 3. , -0.60768753, 5. , -1.68630385],
[-1.29360127, -1.45026064, 8. , 9. ]],
[[ 1. , -0.58808362, -0.74662417, 4. ],
[-1.01785135, 6. , 7. , -1.97268605],
[ 6. , 7. , 8. , 9. ]]]])