mindspore.mint.nn.functional.glu
================================

.. image:: https://mindspore-website.obs.cn-north-4.myhuaweicloud.com/website-images/master/resource/_static/logo_source.svg
    :target: https://gitee.com/mindspore/mindspore/blob/master/docs/api/api_python/mint/mindspore.mint.nn.functional.glu.rst
    :alt: 查看源文件


.. py:function:: mindspore.mint.nn.functional.glu(input, dim=-1)

    计算输入Tensor的门线性单元激活函数（Gated Linear Unit activation function）值。

    .. math::
        {GLU}(a, b)= a \otimes \sigma(b)

    其中，:math:`a` 表示输入Tensor `input` 拆分后的前一半元素， :math:`b` 表示 `input` 拆分后的另一半元素。
    其中 :math:`\sigma` 是sigmoid函数， :math:`\otimes` 是Hadamard乘积。
    请参考 `Language Modeling with Gated Convluational Networks <https://arxiv.org/abs/1612.08083>`_ 。

    参数：
        - **input** (Tensor) - 待计算的Tensor，数据类型为浮点型，shape为 :math:`(\ast_1, N, \ast_2)` ，其中 `*` 为任意额外维度，且要求 :math:`N` 为偶数。 :math:`N` 为 `input` 在被 `dim` 选中的维度上的大小。
        - **dim** (int，可选) - 指定分割 `input` 的轴，取值范围 `[-r, r)` ，其中 `r` 为 `input` 的维度数。默认值： ``-1`` ，输入 `input` 的最后一维。

    返回：
        Tensor，数据类型与输入 `input` 相同，shape为 :math:`(\ast_1, M, \ast_2)`，其中 :math:`M=N/2` 。

    异常：
        - **TypeError** - `input` 不是Tensor或 `dim` 不是整型。
        - **IndexError** - `dim` 的值超出了 `[-r, r)` 的范围，其中 `r` 为 `input` 的维度数。
        - **RuntimeError** - `input` 数据类型不被支持。
        - **RuntimeError** - `input` 在被 `dim` 选中的维度上的长度不为偶数。