class Mish(nn.Module):
　　@staticmethod
　　def forward(x):
　　　　return x * F.softplus(x).tanh()

class MemoryEfficientMish(nn.Module):
　　class F(torch.autograd.Function):
　　　　@staticmethod
　　　　def forward(ctx, x):
　　　　　　ctx.save_for_backward(x)
　　　　　　return x.mul(torch.tanh(F.softplus(x))) # x * tanh(ln(1 + exp(x)))

　　　　@staticmethod
　　　　def backward(ctx, grad_output):
　　　　　　x = ctx.saved_tensors[0]
　　　　　　sx = torch.sigmoid(x)
　　　　　　fx = F.softplus(x).tanh()
　　　　　　return grad_output * (fx + x * sx * (1 – fx * fx))

　　　　def forward(self, x):
　　　　　　return self.F.apply(x)

第一种方式比较占显存，我是用的yolov4+第一种没有跑起来。第二种，是网上扒的，据说还可以，各位可以试试。。