# دوال التنشيط

دوال تفعيل مخصصة لدعم نماذج متنوعة في 🤗 Diffusers.

## GELU[[diffusers.models.activations.GELU]]

#### diffusers.models.activations.GELU[[diffusers.models.activations.GELU]]

```python
diffusers.models.activations.GELU(dim_in: int, dim_out: int, approximate: str = 'none', bias: bool = True)
```

[المصدر](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/activations.py#L65)

**المعاملات:**

dim_in (`int`) : عدد القنوات في المدخلات.

dim_out (`int`) : عدد القنوات في المخرجات.

approximate (`str`، *اختياري*، القيمة الافتراضية `"none"`) : إذا كانت `"tanh"`، فاستخدم تقريب tanh.

bias (`bool`، القيمة الافتراضية True) : ما إذا كان سيتم استخدام انحياز في الطبقة الخطية.

دالة التنشيط GELU مع دعم تقريب tanh باستخدام `approximate="tanh"`.

## GEGLU[[diffusers.models.activations.GEGLU]]

#### diffusers.models.activations.GEGLU[[diffusers.models.activations.GEGLU]]

```python
diffusers.models.activations.GEGLU(dim_in: int, dim_out: int, bias: bool = True)
```

[المصدر](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/activations.py#L93)

**المعاملات:**

dim_in (`int`) : عدد القنوات في المدخلات.

dim_out (`int`) : عدد القنوات في المخرجات.

bias (`bool`، القيمة الافتراضية True) : ما إذا كان سيتم استخدام انحياز في الطبقة الخطية.

نوع [متغير](https://huggingface.co/papers/2002.05202) من دالة التنشيط للوحدة الخطية البوابة.

## ApproximateGELU[[diffusers.models.activations.ApproximateGELU]]

#### diffusers.models.activations.ApproximateGELU[[diffusers.models.activations.ApproximateGELU]]

```python
diffusers.models.activations.ApproximateGELU(dim_in: int, dim_out: int, bias: bool = True)
```

[المصدر](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/activations.py#L149)

**المعاملات:**

dim_in (`int`) : عدد القنوات في المدخلات.

dim_out (`int`) : عدد القنوات في المخرجات.

bias (`bool`، القيمة الافتراضية True) : ما إذا كان سيتم استخدام انحياز في الطبقة الخطية.

الشكل التقريبي لوحدة الخطأ الغاوسي الخطية (GELU). لمزيد من التفاصيل، راجع القسم 2 من هذا [ورقة بحثية](https://huggingface.co/papers/1606.08415).

## SwiGLU[[diffusers.models.activations.SwiGLU]]

#### diffusers.models.activations.SwiGLU[[diffusers.models.activations.SwiGLU]]

```python
diffusers.models.activations.SwiGLU(dim_in: int, dim_out: int, bias: bool = True)
```

[المصدر](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/activations.py#L126)

**المعاملات:**

dim_in (`int`) : عدد القنوات في المدخلات.

dim_out (`int`) : عدد القنوات في المخرجات.

bias (`bool`، القيمة الافتراضية True) : ما إذا كان سيتم استخدام انحياز في الطبقة الخطية.

نوع [مشتق](https://huggingface.co/papers/2002.05202) من دالة التنشيط المعروفة باسم الوحدة الخطية البوابة. تشبه `GEGLU` لكنها تستخدم SiLU / Swish بدلاً من GeLU.

## FP32SiLU[[diffusers.models.activations.FP32SiLU]]

#### diffusers.models.activations.FP32SiLU[[diffusers.models.activations.FP32SiLU]]

```python
diffusers.models.activations.FP32SiLU()
```

[المصدر](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/activations.py#L53)

دالة التنشيط SiLU مع رفع نوع بيانات المدخلات إلى torch.float32.

## LinearActivation[[diffusers.models.activations.LinearActivation]]

#### diffusers.models.activations.LinearActivation[[diffusers.models.activations.LinearActivation]]

```python
diffusers.models.activations.LinearActivation(dim_in: int, dim_out: int, bias: bool = True, activation: str = 'silu')
```

[المصدر](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/activations.py#L169)