:nosearch:

.. _op_ai_onnx_ThresholdedRelu-10:

ThresholdedRelu - version 10
============================

This page documents version **10** of operator **ThresholdedRelu**. See :doc:`ThresholdedRelu` for the latest version (since version 22).

- **Domain**: ``ai.onnx``
- **Since version**: 10

ThresholdedRelu takes one input data (Tensor ) and produces one output data
(Tensor ) where the rectified linear function, y = x for x > alpha, y = 0 otherwise,
is applied to the tensor elementwise.

**Inputs**

- **X** (*T*): Input tensor

**Outputs**

- **Y** (*T*): Output tensor

**Attributes**

- **alpha** (*float*): Threshold value

**Type Constraints**

- **T**: Constrain input and output types to float tensors.
  Allowed types: tensor(double), tensor(float), tensor(float16).

Examples
--------

**test_cc_thresholdedrelu**

.. code-block:: text

    Node:
      ThresholdedRelu(X) -> (Y)
      Attributes:
        alpha = 2.0

.. code-block:: text

    Inputs:
      X: shape=(2, 3), dtype=float32
        [[-1. ,  0. ,  1. ],
         [ 2. ,  2.5,  3. ]]

    Outputs:
      Y: shape=(2, 3), dtype=float32
        [[0. , 0. , 0. ],
         [0. , 2.5, 3. ]]

**test_cc_thresholdedrelu_default**

.. code-block:: text

    Node:
      ThresholdedRelu(X) -> (Y)

.. code-block:: text

    Inputs:
      X: shape=(2, 3), dtype=float32
        [[-1. ,  0. ,  0.5],
         [ 1. ,  1.5,  2. ]]

    Outputs:
      Y: shape=(2, 3), dtype=float32
        [[0. , 0. , 0. ],
         [0. , 1.5, 2. ]]

**test_cc_thresholdedrelu_example**

.. code-block:: text

    Node:
      ThresholdedRelu(X) -> (Y)
      Attributes:
        alpha = 2.0

.. code-block:: text

    Inputs:
      X: shape=(3, 4, 5), dtype=float32
        [[[3., 3., 3., 3., 3.],
          [3., 3., 3., 3., 3.],
          [3., 3., 3., 3., 3.],
          [3., 3., 3., 3., 3.]],
        
         [[3., 3., 3., 3., 3.],
          [3., 3., 3., 3., 3.],
          [3., 3., 3., 3., 3.],
          [3., 3., 3., 3., 3.]],
        
         [[3., 3., 3., 3., 3.],
          [3., 3., 3., 3., 3.],
          [3., 3., 3., 3., 3.],
          [3., 3., 3., 3., 3.]]]

    Outputs:
      Y: shape=(3, 4, 5), dtype=float32
        [[[3., 3., 3., 3., 3.],
          [3., 3., 3., 3., 3.],
          [3., 3., 3., 3., 3.],
          [3., 3., 3., 3., 3.]],
        
         [[3., 3., 3., 3., 3.],
          [3., 3., 3., 3., 3.],
          [3., 3., 3., 3., 3.],
          [3., 3., 3., 3., 3.]],
        
         [[3., 3., 3., 3., 3.],
          [3., 3., 3., 3., 3.],
          [3., 3., 3., 3., 3.],
          [3., 3., 3., 3., 3.]]]