PReLU 層

[原始碼]

PReLU 類別

tf_keras.layers.PReLU(
    alpha_initializer="zeros",
    alpha_regularizer=None,
    alpha_constraint=None,
    shared_axes=None,
    **kwargs
)

參數化修正線性單元。

其遵循公式

    f(x) = alpha * x for x < 0
    f(x) = x for x >= 0

其中 alpha 是一個與 x 具有相同形狀的可學習陣列。

輸入形狀

任意形狀。當將此層作為模型中的第一層使用時，請使用關鍵字引數 input_shape（整數元組，不包含樣本軸）。

輸出形狀

與輸入相同的形狀。

引數

• alpha_initializer：權重的初始化函數。
• alpha_regularizer：權重的正規化器。
• alpha_constraint：權重的約束。
• shared_axes：沿著哪些軸共享啟動函數的可學習參數。例如，如果輸入的特徵圖來自輸出形狀為 (batch, height, width, channels) 的 2D 卷積，並且您希望跨空間共享參數，以便每個濾波器只有一組參數，請設定 shared_axes=[1, 2]。