如果某个层中的 prelu 权重接近 1，而在其他层中它们接近 0，那么 prelu 权重的解释是什么？
周围没有太多的 prelu 文献，任何帮助都会非常有帮助!
最佳答案
PRelu 公式为 this :
正如你所看到的，如果a被学习到在0左右，那么f(x)几乎等于普通的relu，并且来自负激活的梯度不改变网络。简而言之，网络不“想要”在任何方向上调整不活动的神经元。实际上，这也意味着您可以通过在这一层使用 relu 来加快训练速度。而且这种非线性确实很重要。
相反，当a大约为1时，f(x)几乎等于x，即，就像不存在非-线性。这意味着该层可能是多余的，并且网络有足够的自由度在没有它的情况下做出决策边界。
关于machine-learning - Prelu权重的解释，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/48615862/