Tensorflow中实现leakyRelu

ReLU、LeakyReLU

ReLU作为激活函数被广泛应用于各种深度神经网络中。在这篇博客中，我主要记录一下它和它的变种在caffe中的实现。

先看下来自wikipedia的一张示意图，图中蓝色的线表示的就是ReLU函数。

ReLU激活函数极为。而LeakyReLU则是其变体,其中，是一个小的非零数。

综上，在caffe中，ReLU和LeakyReLU都包含在relu_layer中。

在后向传播过程中，ReLU做如下运算：

// Message that stores parameters used by ReLULayer

message ReLUParameter {

// Allow non-zero slope for negative inputs to speed up optimization

// Described in:

// Maas, A. L., Hannun, A. Y., & Ng, A. Y. (2013). Rectifier nonlinearities

// improve neural network acoustic models. In ICML Workshop on Deep Learning

// for Audio, Speech, and Language Processing.

optional float negative_slope = 1 [default = 0]; //如之前分析的，默认值0即为ReLU，非零则为LeakyReLU

enum Engine {

DEFAULT = 0;

CAFFE = 1;

CUDNN = 2;

}

optional Engine engine = 2 [default = DEFAULT]; //运算引擎选择，一般选择默认

}

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

PReLU

PReLU，即Parametric ReLU，是何凯明组提出的一种改进ReLU。它的数学表示为 ，其中是可学习参数。当为固定的非零较小数时，它等价于LeakyReLU；当它为0时，PReLU等价于ReLU。它的后向传播进行如下计算：

message PReLUParameter {

// Parametric ReLU described in K. He et al, Delving Deep into Rectifiers:

// Surpassing Human-Level Performance on ImageNet Classification, 2015.

// Initial value of a_i. Default is a_i=0.25 for all i.

optional FillerParameter filler = 1; //默认填充，a_i的初始值为0.25

// Whether or not slope parameters are shared across channels.

optional bool channel_shared = 2 [default = false]; //是否通道共享参数，默认为不共享

}

1

2

3

4

5

6

7

8

9

Tensorflow中实现leakyRelu操作（高效）

从github上转来，实在是厉害的想法，什么时候自己也能写出这种精妙的代码就好了

原地址：

简易高效的LeakyReLu实现

代码如下： 我做了些改进，因为实在tensorflow中使用，就将原来的abs()函数替换成了tf.abs()

import tensorflow as tfdef LeakyRelu(x, leak=0.2, name="LeakyRelu"): with tf.variable_scope(name): f1 = 0.5 * (1 + leak) f2 = 0.5 * (1 - leak) return f1 * x + f2 * tf.abs(x) # 这里和原文有不一样的，我没试验过原文的代码，但tf.abs()肯定是对的

TensorFlow

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。