torch.nn.GELU

最新推荐文章于 2025-06-03 14:01:33 发布

tianyunlinger

最新推荐文章于 2025-06-03 14:01:33 发布

阅读量1w

点赞数 5

CC 4.0 BY-SA版权

分类专栏：笔记深度学习文章标签： python 深度学习

本文链接：https://blog.youkuaiyun.com/tianyunlinger/article/details/119728944

笔记同时被 2 个专栏收录

26 篇文章

订阅专栏

深度学习

8 篇文章

订阅专栏

本文介绍了PyTorch中的GELU激活函数，它在神经网络中常用于提供平滑的非线性。GELU函数与误差函数（ERF）相关，后者在概率、统计和偏微分方程等领域有广泛应用。误差函数的一个统计学解释是，对于正态分布的随机变量，ERF给出了变量落在特定区间内的概率。互补误差函数ERFC则是ERF的补函数。在深度学习中，GELU因其平滑特性而被用作sigmoid和ReLU的替代选择。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

m = nn.GELU()
input = torch.randn(2)
output = m(input)

在这里插入图片描述

误差函数图

在数学中，误差函数(亦称高斯误差函数)，通常表示为ERF，是一个复变量的复函数，定义为：

$\displaystyle \operatorname {erf} z={\frac {2}{\sqrt {\pi }}}\int _{0}^{z}e^{-t^{2}}\,dt.$
这个积分是特殊(非-初等) sigmoid中经常出现的函数。概率, 统计，和偏微分方程。在许多这些应用程序中，函数参数是实数。如果函数参数是实的，那么函数值也是实的。
在统计学上，对于非负值x，错误函数具有以下解释：随机变量 Y那是正态分布带着平均0和标准差 1/√2, ERFx是概率Y落在范围[−x, x]内.
两个密切相关的函数是互补误差函数 (ERFC)定义为
$\displaystyle \operatorname {erfc} z=1-\operatorname {erf} z.$

在这里插入图片描述
参考链接：https://pytorch.org/docs/stable/generated/torch.nn.GELU.html?highlight=gelu
https://en.wikipedia.org/wiki/Error_function
https://blog.youkuaiyun.com/qq_40945404/article/details/110497682