文档反馈

问题文档片段

问题文档片段包含公式时，显示为空格。

提交类型

issue

有点复杂...

找人问问吧。

PR

小问题，全程线上修改...

一键搞定！

请选择提交类型

问题类型

规范和低错类

- 规范和低错类：

- 错别字或拼写错误，标点符号使用错误、公式错误或显示异常。

- 链接错误、空单元格、格式错误。

- 英文中包含中文字符。

- 界面和描述不一致，但不影响操作。

- 表述不通顺，但不影响理解。

- 版本号不匹配：如软件包名称、界面版本号。

易用性

- 易用性：

- 关键步骤错误或缺失，无法指导用户完成任务。

- 缺少主要功能描述、关键词解释、必要前提条件、注意事项等。

- 描述内容存在歧义指代不明、上下文矛盾。

- 逻辑不清晰，该分类、分项、分步骤的没有给出。

正确性

- 正确性：

- 技术原理、功能、支持平台、参数类型、异常报错等描述和软件实现不一致。

- 原理图、架构图等存在错误。

- 命令、命令参数等错误。

- 代码片段错误。

- 命令无法完成对应功能。

- 界面错误，无法指导操作。

- 代码样例运行报错、运行结果不符。

风险提示

- 风险提示：

- 对重要数据或系统存在风险的操作，缺少安全提示。

内容合规

- 内容合规：

- 违反法律法规，涉及政治、领土主权等敏感词。

- 内容侵权。

请选择问题类型

问题描述

点击输入详细问题描述，以帮助我们快速定位问题。

文档反馈

mindspore.ops.GLU

class mindspore.ops.GLU(axis=- 1)[源代码]

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

G L U (a, b) = a \otimes σ (b)

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

参数：

axis (int，可选) - 指定分割输入 x 的轴，取值范围 [-r, r) ，其中 r 为 x 的维度数。默认值： -1 ，输入 x 的最后一维。

输入：

x (Tensor) - 待计算的Tensor，数据类型为浮点型，shape为 $(*_{1}, N, *_{2})$ ，其中 * 为任意额外维度，且要求 $N$ 为偶数。 $N$ 为 x 在被 axis 选中的维度上的大小。

输出：

Tensor，数据类型与输入 x 相同，shape为 $(*_{1}, M, *_{2})$ ，其中 $M = N / 2$ 。

异常：

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

支持平台：

Ascend CPU

样例：

>>> from mindspore import ops, Tensor
>>> from mindspore import dtype as mstype
>>> import numpy as np
>>> axis = 0
>>> x = Tensor(np.array([0.3220, 0.9545, 0.7879, 0.0975, 0.3698,
...                            0.5135, 0.5740, 0.3435, 0.1895, 0.8764,
...                            0.4980, 0.9673, 0.9879, 0.6988, 0.9022,
...                            0.9304, 0.1558, 0.0153, 0.1559, 0.9852]).reshape([2, 2, 5]), mstype.float32)
>>> glu = ops.GLU(axis=axis)
>>> y = glu(x)
>>> print(y)
[[[0.20028052 0.6916126  0.57412136 0.06512236 0.26307625]
  [0.3682598  0.3093122  0.17306386 0.10212085 0.63814086]]]