Caffe框架源码剖析(8)—激活函数层ReLULayer

tianrolin

于 2016-09-20 09:45:52 发布

阅读量5.5k

点赞数 1

分类专栏： C/C++ Machine Learning 文章标签：框架

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.youkuaiyun.com/tianrolin/article/details/52592958

版权

LeNet中使用修正线性单元（Rectified Linear Unit，ReLU）代替Sigmoid作为激活函数，目的是为了加速收敛。激活函数层ReLULayer原理很简单，就是实现了对输入数据的非负处理，将小于零的数据进行了截断。

ReLU

正向传导公式如下，其中negative_slope在程序赋值为0

top_data={ bottom_databottom_data∗negative_slopeb

最低0.47元/天解锁文章

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。