Unet改进1：更换不同的激活函数

本文主要是介绍Unet改进1：更换不同的激活函数，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

本篇内容：将unet中卷积模块的RELU激活函数替换为不同的激活函数，提高模型性能！

激活函数在人工神经网络（ANN）中起着至关重要的作用，它们是引入非线性特性的关键，使得神经网络能够学习和逼近复杂的非线性函数。如果没有激活函数，神经网络的每一层输出都是上一层输入的线性组合，这样的网络无论层数多少，整体仍然是线性的，无法处理复杂的模式。

目录

1.步骤一

2.步骤二

3.步骤三

---

1.步骤一

在models/unet_parts.py添加如下代码：

########新增
class Conv(nn.Module):# Standard convolutiondef __init__(self, c1, c2, k=3):  # ch_in, ch_out, kernel, stride, padding, groupssuper(Conv, self).__init__()self.conv = nn.Conv2d(c1, c2, k, padding=1, bias=False)self.bn = nn.BatchNorm2d(c2)#self.act = nn.SiLU()#self.act = nn.LeakyReLU(0.1)self.act = nn.ReLU(inplace=True)#self.act = MetaAconC(c2)#self.act = AconC(c2)#self.act = Mish()#self.act = Hardswish()#s

这篇关于Unet改进1：更换不同的激活函数的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---