最后更新于
最后更新于
GELU(Gaussian Error Linear Unit), 高斯误差线性单元.
神经网络中的一些结构, 如ReLU, Dropout等结构, 都希望将网络中不重要的激活信息置为0. 以ReLU为例, 可以将函数看作在输入上乘了一个mask function, 这个函数在时为1, 时为0. 同时注意到这种mask策略是与输入相关的.
GELU激活函数延续这种思想, 这里的mask function变成了, 其中, 是标准正态分布的累积分布函数(CDF), 保持了mask与输入的相关性.
为什么是标准正态分布, 因为如今网络中广泛使用Batch Normalization结构,, 激活函数的输入基本是符合这种分布的, 使用GELU激活函数也要求分布具有这个特性.
使用, 输入会随着值的减小, 被drop的概率增大. 这样最终得到的激活函数是由输入决定, 但不再有具体的参数, 即与ReLu相比是软依赖的.
将这个mask作用于输入, 得到:
因此, 激活函数相当于按照当前的输入有多大概率大于其他输入对应的概率, 对输入进行缩放. GELU激活函数最终定义为:
以下两个函数都逼近与定义的GELU函数, 在实际中使用:
第二种逼近形式类似于Swish激活函数
对应的函数图和导数图为:
优点
在NLP领域实践最佳, 在Transformer模型中表现很好, BERT, RoBERTa, ALBERT的二阶段模型中都使用了这种激活函数
类似于ReLU, 能够避免梯度消失的问题
缺点
计算量大