hard_swish

  • paddle.fluid.layers.hard_swish(x, threshold=6.0, scale=6.0, offset=3.0, name=None)[源代码]

该OP实现了hard_swish激活函数。hard_swish激活函数在MobileNetV3架构中被提出,相较于swish函数,具有数值稳定性好,计算速度快等优点,具体原理请参考: https://arxiv.org/pdf/1905.02244.pdf

hard_swish - 图1

阈值 threshold 和缩放因子 scale 为正数,位移 offset 正负均可,建议使用默认参数。

  • 参数:
    • x (Variable) - 输入特征,多维Tensor。数据类型为float32或float64。
    • threshold (float,可选) - 激活操作中Relu函数的阈值,默认值为6.0。
    • scale (float,可选) - 激活操作的缩放因子,默认值为6.0。
    • offset (float,可选) - 激活操作的位移,默认值为3.0。
    • name (None|str) – 该参数供开发人员打印调试信息时使用,具体用法请参见 Name ,默认值为None。

返回:经过hard_swish计算后的结果,数据类型及维度和x相同。

返回类型:Variable

代码示例

  1. import paddle.fluid as fluid
  2. import numpy as np
  3.  
  4. DATATYPE='float32'
  5. shape = [1,4]
  6.  
  7. x_data = np.array([i for i in range(1,5)]).reshape(shape).astype(DATATYPE)
  8.  
  9. x = fluid.layers.data(name="x", shape=shape, dtype=DATATYPE)
  10. y = fluid.layers.hard_swish(x)
  11.  
  12. place = fluid.CUDAPlace(0)
  13. exe = fluid.Executor(place)
  14. out, = exe.run(feed={'x':x_data}, fetch_list=[y.name])
  15. print(out) # [[0.66666667, 1.66666667,3., 4.]]