RReLU

class torch.nn.RReLU(lower=0.125, upper=0.3333333333333333, inplace=False) [source]

Применяет функцию случайного выпрямленного линейного блока (RReLU), поэлементно, как описано в статье:

Empirical Evaluation of Rectified Activations in Convolutional Network.

Функция определяется следующим образом:

$$\text{RReLU}(x) = \begin{cases} x & \text{if } x \geq 0 \\ ax & \text{ otherwise } \end{cases}$$

где $a$ случайным образом выбирается из равномерного распределения $\mathcal{U}(\text{lower}, \text{upper})$.

См.: https://arxiv.org/pdf/1505.00853.pdf

Параметры:

• lower (float) – нижняя граница равномерного распределения. По умолчанию: $\frac{1}{8}$
• upper (float) – верхняя граница равномерного распределения. По умолчанию: $\frac{1}{3}$
• inplace (bool) – необязательно, может выполнять операцию на месте. По умолчанию: False

Форма:

• Вход: $(*)$, где $*$ означает любое количество измерений.
• Выход: $(*)$, такая же форма, как у входных данных.

Примеры:

>>> m = nn.RReLU(0.1, 0.3)
>>> input = torch.randn(2)
>>> output = m(input)