mindspore.nn.GELU

class mindspore.nn.GELU(approximate=True)

高斯误差线性单元激活函数（Gaussian error linear unit activation function）。

对输入的每个元素计算GELU。 输入是任意有效形状的Tensor。

GELU的定义如下：

\[GELU(x_i) = x_i*P(X < x_i),\]

其中 \(P\) 是标准高斯分布的累积分布函数， \(x_i\) 是输入的元素。

GELU函数图：

参数：

• approximate (bool) - 是否启用approximation，默认值： True 。如果approximate的值为 True ，则高斯误差线性激活函数为：

  \(0.5 * x * (1 + tanh(\sqrt(2 / \pi) * (x + 0.044715 * x^3)))\) ，

  否则为： \(x * P(X <= x) = 0.5 * x * (1 + erf(x / \sqrt(2)))\)，其中P(X) ~ N(0, 1) 。

说明

在计算gelu的输入梯度时，当输入为inf，Ascend与GPU在反向传播输出之间存在差异。 当输入x为-inf时，Ascend的计算结果为0，GPU的计算结果为nan。 当输入x为inf时，Ascend的计算结果为梯度dy，GPU的计算结果为nan。 数学意义上，Ascend的计算结果精度更高。

输入：

• x (Tensor) - 用于计算GELU的Tensor。数据类型为float16、float32或float64。shape是 \((N,*)\) ， \(*\) 表示任意的附加维度数。

输出：

Tensor，具有与 x 相同的数据类型和shape。

异常：

• TypeError - x 的数据类型不是float16、float32或float64。

支持平台：

Ascend GPU CPU

样例：

>>> import mindspore
>>> from mindspore import Tensor, nn
>>> import numpy as np
>>> x = Tensor(np.array([[-1.0, 4.0, -8.0], [2.0, -5.0, 9.0]]), mindspore.float32)
>>> gelu = nn.GELU()
>>> output = gelu(x)
>>> print(output)
[[-1.5880802e-01  3.9999299e+00 -3.1077917e-21]
 [ 1.9545976e+00 -2.2918017e-07  9.0000000e+00]]
>>> gelu = nn.GELU(approximate=False)
>>> # CPU not support "approximate=False", using "approximate=True" instead
>>> output = gelu(x)
>>> print(output)
[[-1.5865526e-01  3.9998732e+00 -0.0000000e+00]
 [ 1.9544997e+00 -1.4901161e-06  9.0000000e+00]]