mindspore.mint.nn.functional.glu

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。

$$GLU(a,b)=a\otimes \sigma (b)$$

其中，$a$ 表示输入Tensor input 拆分后的前一半元素， $b$ 表示 input 拆分后的另一半元素。 其中 $\sigma$ 是sigmoid函数， $\otimes$ 是Hadamard乘积。 请参考 Language Modeling with Gated Convluational Networks 。

参数：

• input (Tensor) - 待计算的Tensor，数据类型为浮点型，shape为 $({\ast }_1,N,{\ast }_2)$ ，其中 * 为任意额外维度，且要求 $N$ 为偶数。 $N$ 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 $({\ast }_1,M,{\ast }_2)$，其中 $M=N/2$ 。

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。

支持平台：

Ascend

样例：

>>> from mindspore import Tensor, mint
>>> input = Tensor([[0.1, 0.2, 0.3, 0.4], [0.5, 0.6, 0.7, 0.8]])
>>> output = mint.nn.functional.glu(input)
>>> print(output)
[[0.05744425 0.11973753]
 [0.33409387 0.41398472]]