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.ops.glu

mindspore.ops.glu(x, axis=- 1)

门线性单元函数（Gated Linear Unit function）。

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

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

参数：

• x (Tensor) - 被分Tensor，数据类型为Number, shape为 $({\ast }_1,N,{\ast }_2)$ ，其中 * 为任意额外维度。

• axis (int，可选) - 指定分割轴。数据类型为整型，默认值： -1 ，输入x的最后一维。

返回：

Tensor，数据类型与输入 x 相同，shape为 $({\ast }_1,M,{\ast }_2)$，其中 $M=N/2$

异常：

• TypeError - x 数据类型不是Number。

• TypeError - x 不是Tensor。

支持平台：

Ascend GPU CPU

样例：

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