mindspore.nn.GELU

class mindspore.nn.GELU(approximate=True)[源代码]

高斯误差线性单元激活函数(Gaussian error linear unit activation function)。

对输入的每个元素计算GELU。 输入是任意有效形状的Tensor。

GELU的定义如下:

\[GELU(x_i) = x_i*P(X < x_i),\]

其中 \(P\) 是标准高斯分布的累积分布函数, \(x_i\) 是输入的元素。

GELU相关图参见 GELU

参数:
  • approximate (bool) - 是否启用approximation,默认值:True。如果approximate的值为True,则高斯误差线性激活函数为:

    \(0.5 * x * (1 + tanh(\sqrt(2 / \pi) * (x + 0.044715 * x^3)))\)

    否则为: \(x * P(X <= x) = 0.5 * x * (1 + erf(x / \sqrt(2)))\),其中P(X) ~ N(0, 1) 。

输入:
  • x (Tensor) - 用于计算GELU的Tensor。数据类型为float16、float32或float64。shape是 \((N,*)\)\(*\) 表示任意的附加维度数。

输出:

Tensor,具有与 x 相同的数据类型和shape。

异常:
  • TypeError - x 的数据类型不是float16、float32或float64。

支持平台:

Ascend GPU CPU

样例:

>>> x = Tensor(np.array([[-1.0, 4.0, -8.0], [2.0, -5.0, 9.0]]), mindspore.float32)
>>> gelu = nn.GELU()
>>> output = gelu(x)
>>> print(output)
[[-1.5880802e-01  3.9999299e+00 -3.1077917e-21]
 [ 1.9545976e+00 -2.2918017e-07  9.0000000e+00]]
>>> gelu = nn.GELU(approximate=False)
>>> # CPU not support "approximate=False", using "approximate=True" instead
>>> output = gelu(x)
>>> print(output)
[[-1.5865526e-01  3.9998732e+00 -0.0000000e+00]
 [ 1.9544997e+00 -1.4901161e-06  9.0000000e+00]]