mindchemistry.e3.nn.NormActivation

class mindchemistry.e3.nn.NormActivation(irreps_in, act, normalize=True, epsilon=None, bias=False, init_method='zeros', dtype=float32, ncon_dtype=float32)

不可约表示的范数的激活函数。 对每个不可约表示的范数应用标量激活，并输出该不可约表示的（归一化）版本乘以标量激活的输出。

参数：

• irreps_in (Union[str, Irrep, Irreps]) - 输入的不可约表示。

• act (Func) - 对 irreps_in 的每部分的范数应用的激活函数。

• normalize (bool) - 是否在将输入特征乘以标量之前对其进行归一化。默认值：True。

• epsilon (float) - 归一化时，小于 epsilon 的范数将被钳制到 epsilon 以避免除零错误。当 normalize 为 False 时，不允许设置此参数。默认值：None。

• bias (bool) - 是否对 act 的输入应用可学习的加性偏置。默认值：False。

• init_method (Union[str, float, mindspore.common.initializer]) - 初始化参数的方法。默认值：'normal' 。

• dtype (mindspore.dtype) - 输入张量的类型。默认值：mindspore.float32 。

• ncon_dtype (mindspore.dtype) - ncon 计算模块输入张量的类型。默认值：mindspore.float32 。

输入：

• input (Tensor) - 形状为 \((..., irreps\_in.dim)\) 的张量。

输出：

• output (Tensor) - 形状为 \((..., irreps\_in.dim)\) 的张量。

异常：

• ValueError: 如果 epsilon 不为 None 且 normalize 为 False。

• ValueError: 如果 epsilon 不是正数。

支持平台：

Ascend

样例：

>>> from mindchemistry.e3.nn import NormActivation
>>> from mindspore import ops, Tensor
>>> set_context(device_id=6)
>>> norm_activation = NormActivation("2x1e", ops.sigmoid, bias=True)
>>> print(norm_activation)
NormActivation [sigmoid] (2x1e -> 2x1e)
>>> inputs = Tensor(ops.ones((4, 6)))
>>> outputs = norm_activation(inputs)
>>> print(outputs.shape)
(4, 6)