Функция activations.softplus
Функция activations.softplus применяет к переданному тензору
активацию Softplus. Она вычисляет значение по формуле
log(exp(x) + 1) для каждого элемента тензора.
Первым параметром функция принимает тензор или массив чисел.
Активация Softplus является гладкой аппроксимацией функции ReLU
и часто используется в нейронных сетях вместо нее.
Синтаксис
tf.keras.activations.softplus(x)
Пример
Давайте применим активацию Softplus к одномерному тензору:
import tensorflow as tf
t = tf.constant([1, 2, 3, 4, 5])
res = tf.keras.activations.softplus(t)
print(res)
Результат выполнения кода:
tf.Tensor([1.3132616 2.126928 3.0485873 4.01815 5.0067153], shape=(5,), dtype=float32)
Пример
Давайте применим активацию Softplus к отрицательным значениям:
import tensorflow as tf
t = tf.constant([-1, -2, -3, 0, 1])
res = tf.keras.activations.softplus(t)
print(res)
Результат выполнения кода:
tf.Tensor([0.3132617 0.126928 0.0485873 0.6931472 1.3132616], shape=(5,), dtype=float32)
Пример
Давайте применим активацию Softplus к двумерному тензору:
import tensorflow as tf
t = tf.constant([[1, 2, 3], [4, 5, 6]])
res = tf.keras.activations.softplus(t)
print(res)
Результат выполнения кода:
tf.Tensor(
[[1.3132616 2.126928 3.0485873]
[4.01815 5.0067153 6.0024757]], shape=(2, 3), dtype=float32)
