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。

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。

提交

文档反馈

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。

GELU的定义如下：

$$GELU(x_i)=x_i\ast P(X<x_i),$$

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相关图参见 GELU 。

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:

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

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

输入：

x （Tensor） - 用于计算GELU的Tensor。数据类型为float16或float32。shape是 $(N,\ast )$ ， $\ast$ 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 的数据类型既不是float16也不是float32。

支持平台：

Ascend GPU CPU

样例：

>>> 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]]