当前位置: 代码迷 >> 综合 >> 3、激活层(Activiation Layers)及参数
  详细解决方案

3、激活层(Activiation Layers)及参数

热度:92   发布时间:2023-12-14 22:26:09.0

3、激活层(Activiation Layers)及参数

caffe激活层(Activiation Layers)

在激活层中,对输入数据进行激活操作(实际上就是一种函数变换),是逐元素进行运算的。从bottom得到一个blob数据输入,运算后,从top输入一个blob数据。在运算过程中,没有改变数据的大小,即输入和输出的数据大小是相等的。

输入:n*c*h*w

输出:n*c*h*w

常用的激活函数有sigmoid, tanh,relu等

1、Sigmoid

  原型:

    

层类型:Sigmoid

1 layer {
2   name: "encode1neuron"
3   bottom: "encode1"
4   top: "encode1neuron"
5   type: "Sigmoid"
6 }

2、ReLU / Rectified-Linear and Leaky-ReLU

  

ReLU是目前使用最多的激活函数,主要因为其收敛更快,并且能保持同样效果。

标准的ReLU函数为max(x, 0),当x>0时,输出x; 当x<=0时,输出0

f(x)=max(x,0)

层类型:ReLU

可选参数:

  negative_slope:默认为0. 对标准的ReLU函数进行变化,如果设置了这个值,那么数据为负数时,就不再设置为0,而是用原始数据乘以negative_slope

1 layer {
2   name: "relu1"
3   type: "ReLU"
4   bottom: "pool1"
5   top: "pool1"
6 }

3、TanH / Hyperbolic Tangent

利用双曲正切函数对数据进行变换。

层类型:TanH

layer {name: "layer"bottom: "in"top: "out"type: "TanH"
}

4、Absolute Value

求每个输入数据的绝对值。

f(x)=Abs(x)

层类型:AbsVal

1 layer {
2   name: "layer"
3   bottom: "in"
4   top: "out"
5   type: "AbsVal"
6 }

5、Power

对每个输入数据进行幂运算

f(x)= (shift + scale * x) ^ power

层类型:Power

可选参数:

  power: 默认为1

  scale: 默认为1

  shift: 默认为0

 1 layer {
 2   name: "layer"
 3   bottom: "in"
 4   top: "out"
 5   type: "Power"
 6   power_param {
 7     power: 2
 8     scale: 1
 9     shift: 0
10   }
11 }

6、BNLL

binomial normal log likelihood的简称

f(x)=log(1 + exp(x))

层类型:BNLL

layer {name: "layer"bottom: "in"top: "out"type: “BNLL”
}

 参考:http://www.cnblogs.com/denny402/p/5072507.html

posted @ 2018-06-20 11:16 田湾第一帅 阅读( ...) 评论( ...) 编辑 收藏
  相关解决方案