3.3.1. renom.layers.activation package

class Activate ( unit=0 , channel=1 , filter=(3 , 3) , stride=(1 , 1) , padding=(0 , 0) , weight_scale=0.1 , initializer=None , input_size=None , name=None , **kwargs )

ベースクラス: renom.layers.layer.Layer

活性化関数の基底クラス Layerクラスを継承しているので、Layerクラスで定義された関数を 実行することができる。

パラメータ: name ( string ) – 層の名前
>>> import numpy as np
>>> import renom.layers as L
>>> x = np.random.rand(2, 3)
>>> sigmoid_layer = L.Sigmoid(input_size = 3, name = "sigmoid")
>>> sigmoid_layer.forward(x)
array([[ 0.64357644,  0.69772512,  0.54093164],
       [ 0.5642904 ,  0.67092937,  0.54924053]], dtype=float32)
class ClippedRelu ( c=20.0 , input_size=None , name=None , **kwargs )

ベースクラス: renom.layers.activation.activate.Activate

入力xに対して、次式で与えられる出力yを返す活性化関数クラス。

y=min(c, max(x, 0))

パラメータ:
  • c ( float ) – 定数
  • input_size ( int , tuple ) – 入力データサイズ
  • name ( string ) – 層の名前
class Elu ( a=0.5 , input_size=None , name=None , **kwargs )

ベースクラス: renom.layers.activation.activate.Activate

入力xに対して、次式で与えられる出力yを返す活性化関数クラス。

y=max(x, a*(\exp(x) - 1))

パラメータ:
  • a ( float ) – 定数
  • input_size ( int , tuple ) – 入力データサイズ
  • name ( string ) – 層の名前
class LeakyRelu ( s=0.2 , input_size=None , name=None , **kwargs )

ベースクラス: renom.layers.activation.activate.Activate

入力xに対して、次式で与えられる出力yを返す活性化関数クラス。

y=max(x, s*x)

パラメータ:
  • s ( float ) – 定数 (0 < s < 1)
  • input_size ( int , tuple ) – 入力データサイズ
  • name ( string ) – 層の名前
class Relu ( input_size=None , name=None , **kwargs )

ベースクラス: renom.layers.activation.activate.Activate

入力xに対して、次式で与えられる出力yを返す活性化関数クラス。

y=max(x, 0)

パラメータ:
  • input_size ( int , tuple ) – 入力データサイズ
  • name ( string ) – 層の名前
class Sigmoid ( input_size=None , name=None , **kwargs )

ベースクラス: renom.layers.activation.activate.Activate

入力xに対して、次式で与えられる出力yを返す活性化関数クラス。

y= 1/(1+\exp(-x))

パラメータ:
  • input_size ( int , tuple ) – 入力データサイズ
  • name ( string ) – 層の名前
class Tanh ( input_size=None , name=None , **kwargs )

ベースクラス: renom.layers.activation.activate.Activate

入力xに対して、次式で与えられる出力yを返す活性化関数クラス。

y=tanh(x)

パラメータ:
  • input_size ( int , tuple ) – 入力データサイズ
  • name ( string ) – 層の名前