Функция nn.selu

Функция nn.selu применяет к входному тензору масштабированную экспоненциальную линейную активацию. Для положительных значений она возвращает значение, умноженное на коэффициент масштаба, а для отрицательных - сглаженную экспоненциальную функцию, также умноженную на коэффициент масштаба. Первым параметром функция принимает входной тензор. Вторым необязательным параметром можно передать имя операции.

Синтаксис

tf.nn.selu(features, name=None)

Пример

Давайте применим функцию nn.selu к тензору из чисел 1, 2, 3, 4, 5:

import tensorflow as tf

t = tf.constant([1, 2, 3, 4, 5], dtype=tf.float32)
res = tf.nn.selu(t)
print(res)

Результат выполнения кода:

tf.Tensor([1.050701 2.101402 3.152103 4.202804 5.253505], shape=(5,), dtype=float32)

Пример

Давайте применим функцию nn.selu к тензору, содержащему отрицательные значения:

import tensorflow as tf

t = tf.constant([-3, -1, 0, 1, 3], dtype=tf.float32)
res = tf.nn.selu(t)
print(res)

Результат выполнения кода:

tf.Tensor([-1.6705687 -1.1113307 0. 1.050701 3.152103 ], shape=(5,), dtype=float32)

Пример

Давайте применим функцию nn.selu к двумерному тензору:

import tensorflow as tf

t = tf.constant([[1, 2, 3], [4, 5, 6]], dtype=tf.float32)
res = tf.nn.selu(t)
print(res)

Результат выполнения кода:

tf.Tensor(
[[1.050701  2.101402  3.152103 ]
 [4.202804  5.253505  6.3042064]], shape=(2, 3), dtype=float32)

Смотрите также

функцию elu,
которая применяет экспоненциальную линейную активацию
функцию relu,
которая применяет линейную активацию с отсечением отрицательных значений
функцию leaky_relu,
которая применяет линейную активацию с малым наклоном для отрицательных значений
функцию gelu,
которая применяет гауссову линейную активацию