mindscience.e3nn.nn.NormActivation

class mindscience.e3nn.nn.NormActivation(irreps_in, act, normalize=True, epsilon=None, bias=False, init_method='zeros', dtype=mindspore.float32, ncon_dtype=mindspore.float32)[源代码]

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。 可选地，在激活前对范数加上可学习的偏置；并且可将结果按原始范数进行归一化，以保留角度信息，仅调制幅度大小。

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，可选) - 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，可选) - 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，可选) - 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]，可选) - 初始化参数的方法。默认值：'zeros' 。

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

  • ncon_dtype (mindspore.dtype，可选) - 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。

样例：

>>> from mindscience.e3nn.nn import NormActivation
>>> from mindspore import ops, Tensor
>>> 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)