# Aktivasyon fonksiyonları

🤗 Diffusers'ta çeşitli modelleri desteklemek için özelleştirilmiş aktivasyon fonksiyonları.

## 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)
```

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

**Parametreler:**

dim_in (`int`) : Girdideki kanal sayısı.

dim_out (`int`) : Çıktıdaki kanal sayısı.

approximate (`str`, *isteğe bağlı*, varsayılan `"none"`) : `"tanh"` ise, tanh yaklaşımı kullanılır.

bias (`bool`, varsayılan olarak True) : Doğrusal katmanda sapma (bias) kullanılıp kullanılmayacağı.

`approximate="tanh"` ile tanh yaklaşımı desteğine sahip GELU aktivasyon fonksiyonu.

## 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)
```

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

**Parametreler:**

dim_in (`int`) : Girdideki kanal sayısı.

dim_out (`int`) : Çıktıdaki kanal sayısı.

bias (`bool`, varsayılan olarak True) : Doğrusal katmanda sapma (bias) kullanılıp kullanılmayacağı.

Kapılı doğrusal birim aktivasyon fonksiyonunun bir [varyantı](https://huggingface.co/papers/2002.05202).

## 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)
```

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

**Parametreler:**

dim_in (`int`) : Girdideki kanal sayısı.

dim_out (`int`) : Çıktıdaki kanal sayısı.

bias (`bool`, varsayılan olarak True) : Doğrusal katmanda sapma (bias) kullanılıp kullanılmayacağı.

Gaussian Error Linear Unit (GELU)'nun yaklaşık formu. Daha fazla ayrıntı için bu [makalenin](https://huggingface.co/papers/1606.08415) 2. bölümüne bakın.

## 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)
```

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

**Parametreler:**

dim_in (`int`) : Girdideki kanal sayısı.

dim_out (`int`) : Çıktıdaki kanal sayısı.

bias (`bool`, varsayılan olarak True) : Doğrusal katmanda sapma (bias) kullanılıp kullanılmayacağı.

Kapılı doğrusal birim aktivasyon fonksiyonunun bir [varyantı](https://huggingface.co/papers/2002.05202). `GEGLU`'ye benzer ancak GeLU yerine SiLU / Swish kullanır.

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

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

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

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

Girdisi torch.float32'ye yükseltilmiş SiLU aktivasyon fonksiyonu.

## 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')
```

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