gelu

应用高斯误差线性单元 (GELU) 激活

自 R2022b 起

全页折叠

    语法

    Y = gelu(X)
    Y = gelu(X,Approximation=method)

    说明

    高斯误差线性单元 (GELU) 激活运算根据高斯分布下的概率对输入进行加权。

    该运算由下式给出

    GELU(x)=x2(1+​erf(x2)),

    其中 erf 表示误差函数。

    注意

    此函数将 GELU 运算应用于 dlarray 数据。如果要在 dlnetwork 对象中应用 GELU 激活，请使用 geluLayer。

    Y = gelu(X) 将 GELU 激活应用于输入数据 X。

    示例

    Y = gelu(X,Approximation=method) 还指定了 GELU 运算的逼近方法。例如，Approximation="tanh" 指定底层误差函数的 tanh 逼近。

    示例

    全部折叠

    打开实时脚本

    创建一个格式化的 dlarray 对象，其中包含一批（128 个）具有三个通道的 28×28 图像。指定格式 "SSCB"（空间、空间、通道、批量）。

    miniBatchSize = 128;
inputSize = [28 28];
numChannels = 3;
X = rand(inputSize(1),inputSize(2),numChannels,miniBatchSize);
X = dlarray(X,"SSCB");

    查看输入数据的大小和格式。

    size(X)
    ans = 1×4

    28    28     3   128


    dims(X)
    ans = 
'SSCB'

    应用 GELU 激活。

    Y = gelu(X);

    查看输出的大小和格式。

    size(Y)
    ans = 1×4

    28    28     3   128


    dims(Y)
    ans = 
'SSCB'

    输入参数

    全部折叠

    输入数据，指定为格式化或未格式化的 dlarray 对象。

    逼近方法，指定为下列值之一：

    • "none" - 不使用逼近。

    • "tanh" - 使用下式逼近底层误差函数

      erf(x2)≈tanh(2π(x+0.044715x3)).

    提示

    在 MATLAB® 中，计算 tanh 逼近通常不太准确，并且对于较大的输入大小，比不使用逼近计算 GELU 激活更慢。当需要重现使用此逼近的模型（例如 BERT 和 GPT-2）时，请使用 tanh 逼近。

    输出参量

    全部折叠

    GELU 激活，以 dlarray 形式返回。输出 Y 与输入 X 具有相同的基础数据类型。

    如果输入数据 X 是格式化的 dlarray 对象，则 Y 与 X 具有相同的维度格式。如果输入数据不是格式化的 dlarray 对象，则 Y 是未格式化的 dlarray 对象，其维度顺序与输入数据相同。

    算法

    全部折叠

    参考

    [1] Hendrycks, Dan, and Kevin Gimpel. "Gaussian error linear units (GELUs)." Preprint, submitted June 27, 2016. https://arxiv.org/abs/1606.08415

    扩展功能

    全部展开

    C/C++ 代码生成
    使用 MATLAB® Coder™ 生成 C 代码和 C++ 代码。

    GPU 代码生成
    使用 GPU Coder™ 为 NVIDIA® GPU 生成 CUDA® 代码。

    版本历史记录

    在 R2022b 中推出

    另请参阅

    | | | | | |

    主题