pytorch径向基函数

PyTorch中的径向基函数是一种常用的非线性激活函数，通常用于神经网络的隐藏层。它将输入映射到高维特征空间，并在该空间中计算输入与每个基函数之间的距离。常见的径向基函数有高斯径向基函数（Gaussian Radial Basis Function, RBF）和多项式径向基函数（Polynomial Radial Basis Function）。在PyTorch中，可以使用torch.nn.functional中的函数来实现径向基函数的计算。以下是一个使用高斯径向基函数的示例代码：

import torch
import torch.nn.functional as F

# 输入数据
x = torch.randn(10, 5)  # 10个样本，每个样本有5个特征

# 高斯径向基函数
def gaussian_rbf(x, centers, radius):
    distances = torch.norm(x.unsqueeze(1) - centers, dim=2)  # 计算输入与每个基函数之间的距离
    return torch.exp(-(distances / radius) ** 2)  # 高斯径向基函数公式

# 基函数参数
centers = torch.randn(3, 5)  # 3个基函数，每个基函数有5个特征
radius = 0.5

# 计算径向基函数输出
output = gaussian_rbf(x, centers, radius)
print(output)

在上述代码中，首先定义了一个`gaussian_rbf`函数来计算高斯径向基函数的输出。然后，通过定义基函数的中心和半径参数，可以将输入数据`x`映射到高维特征空间中，并计算输入与每个基函数之间的距离。最后，使用高斯径向基函数的公式计算输出结果。