Skip to content

[Machine Learning] GELU 激活函數筆記

高斯誤差線性單元（Gaussian Error Linear Unit, GELU）是一種機器學習中會使用到的激活函數。跟經典的 ReLU（Rectified Linear Unit）雖然相像卻有些地方不盡相同。

ReLU 是分段的線性函數，在輸入小於 0 時等於 0，輸入大於 0 時等於輸入本身。

$latex \left{\begin{matrix}
x,\ \ if\ \ x \geq 0 \
0,\ \ if\ \ x \leq 0
\end{matrix}\right. &s=4$


GELU 由 Dan Hendrycks 和 Kevin Gimpel 在 2016 年提出，結合神經元的輸入以及輸入的標準高斯累積分佈函數，所組成的非線性激活函數。

GELU(x) = x\phi(x)

其中，Φ(x) 是其輸入值得標準常態累積分佈函數（Cummuative Distribution Function, CDF） ，可以表示為：

\phi(x)=\frac{1}{2}[1+erf(\frac{x}{\sqrt{2}})]

erf() 是一種誤差函數，其定義為：

erf(x) = \frac{2}{\sqrt{\pi}}\int_{0}^{x}e^{-t^{2}}dt

在 PyTorch 中，我們可以簡單地調用 torch.erf() 來觀察這個函數的表現：

import torch

x = torch.tensor([-2.0, -1.5, -1.0, -0.5, 0, 0.5, 1.0, 1.5, 2.0])

print(torch.erf(y))

# Out: tensor([-0.9953, -0.9661, -0.8427, -0.5205,  0.0000,  0.5205,  0.8427,  0.9661, 0.9953])


當輸入負數時，誤差函數的值同樣為負數，隨著輸入越小，誤差函數的值越小（但可以觀察 e^(-t^2) 可以發現 t 越遠離 0 會導致加起來的積分面積成長率越來越低），但不會小於 -1。
當輸入為 0 時，其輸出同樣為 0，因為積分從 0 到 0。
當輸入為正數時，誤差函數值為正數，同樣隨著輸入越大，誤差函數的值越大，但不會超過 1。

在使用 PyTorch 實現時，GELU 其實還可以有多種不同的近似實作，比如：

0.5x(1+tanh[\sqrt{\frac{2}{\pi}}(x+0.044715x^{3})])

或者是

x\sigma(1.702x)

我翻了一下 PyTorch 官方文件跟直接進入 GELU() 實作去看，顯然是有原版的實現已經 Tanh 的近似實現。截止至目前（2024/03/07），Sigmoid 實現還沒有進入 PyTorch，但已經有人在詢問了。

import math

import matplotlib.pyplot as plt
import torch


def GELU(x: torch.Tensor) -> torch.Tensor:
    return x * (1 + torch.erf(x / math.sqrt(2))) / 2

def GELU_tanh(x: torch.Tensor) -> torch.Tensor:
    return 0.5 * x * (1 + torch.tanh(math.sqrt(2 / math.pi) * (x + 0.044715 * pow(x, 3))))

def GELU_sigmoid(x: torch.Tensor) -> torch.Tensor:
    return x * torch.sigmoid(1.702 * x)


x = torch.arange(-6, 6, 0.001)
y1 = torch.nn.functional.gelu(x, approximate="tanh")
y2 = torch.tensor(list(map(GELU, x)))
y3 = torch.tensor(list(map(GELU_tanh, x)))
y4 = torch.tensor(list(map(GELU_sigmoid, x)))

plt.plot(x, y1, label="Torch GELU")
plt.plot(x, y2, label="My GELU")
plt.plot(x, y3, label="My GELU_tanh")
plt.plot(x, y4, label="My GELU_sigmoid")

plt.title("GELU")
plt.xlabel("x")
plt.ylabel("y")

plt.legend(loc="upper right")

plt.show()


Output:

print("Original:", max(y1 - y2))
print("Tanh:", max(y1 - y3))
print("Sigmoid:", max(y1 - y4))


Output:

Original: tensor(0.0005)
Tanh: tensor(2.3842e-07)
Sigmoid: tensor(0.0207)

假設我們在參數中選擇 tanh： torch.nn.functional.gelu(x, approximate="tanh") ，就會自動切換成 Tanh 近似。

但有意思的是一旦把範圍縮小到 -1 到 1 之間，sigmoid 近似就會趨近為 0，感覺是有添加進 PyTorch 原生實現的價值的才是。

總結，GELU 的價值之一在於它在負數域同樣引入了資訊，而非如 ReLU 一般直接設置為 0；另外，GELU 在整個輸入域中都是可微的，不像 ReLU 在零點處不可微分 —— 這種平滑性可以幫助梯度下降更有效地優化。

以實際面來說，GELU 在 BERT 等 Transformer 架構中被廣泛使用，並展示出良好的性能，可以說是久經考驗。

References

Read More

Tags:

Leave a Reply