# Fungsi aktivasi

Fungsi aktivasi yang dikustomisasi untuk mendukung berbagai model di 🤗 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)
```

[Sumber](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/models/activations.py#L65)

**Parameter:**

dim_in (`int`) : Jumlah channel pada input.

dim_out (`int`) : Jumlah channel pada output.

approximate (`str`, *opsional*, defaultnya `"none"`) : Jika `"tanh"`, gunakan aproksimasi tanh.

bias (`bool`, defaultnya True) : Apakah akan menggunakan bias pada lapisan linear.

Fungsi aktivasi GELU dengan dukungan aproksimasi tanh menggunakan `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)
```

[Sumber](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/models/activations.py#L90)

**Parameter:**

dim_in (`int`) : Jumlah channel pada input.

dim_out (`int`) : Jumlah channel pada output.

bias (`bool`, defaultnya True) : Apakah akan menggunakan bias pada lapisan linear.

Sebuah [varian](https://huggingface.co/papers/2002.05202) dari fungsi aktivasi gated linear unit.

## 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)
```

[Sumber](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/models/activations.py#L143)

**Parameter:**

dim_in (`int`) : Jumlah channel pada input.

dim_out (`int`) : Jumlah channel pada output.

bias (`bool`, defaultnya True) : Apakah akan menggunakan bias pada lapisan linear.

Bentuk aproksimasi dari Gaussian Error Linear Unit (GELU). Untuk detail lebih lanjut, lihat bagian 2 dari [makalah](https://huggingface.co/papers/1606.08415) ini.

## 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)
```

[Sumber](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/models/activations.py#L120)

**Parameter:**

dim_in (`int`) : Jumlah channel pada input.

dim_out (`int`) : Jumlah channel pada output.

bias (`bool`, defaultnya True) : Apakah akan menggunakan bias pada lapisan linear.

Sebuah [varian](https://huggingface.co/papers/2002.05202) dari fungsi aktivasi gated linear unit. Fungsinya mirip dengan `GEGLU` tetapi menggunakan SiLU / Swish alih-alih GeLU.

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

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

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

[Sumber](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/models/activations.py#L53)

Fungsi aktivasi SiLU dengan input yang di-upcast ke 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')
```

[Sumber](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/models/activations.py#L163)