什么是 Activation
一句话概括 Activation: 就是让神经网络可以描述非线性问题的步骤, 是神经网络变得更强大. 如果还不是特别了解, 我有制作一个动画短片（如下）, 浅显易懂的阐述了激励函数的作用. 包懂.
Torch 中的激励函数
Torch 中的激励函数有很多, 不过我们平时要用到的就这几个. relu, sigmoid, tanh, softplus . 那我们就看看他们各自长什么样啦.
1 2 3 4 5 6 7 | import torch import torch.nn.functional as F # 激励函数都在这 from torch.autograd import Variable # 做一些假数据来观看图像 x = torch.linspace(-5, 5, 200) # x data (tensor), shape=(100, 1) x = Variable(x) |
接着就是做生成不同的激励函数数据:
1 2 3 4 5 6 7 8 | x_np = x.data.numpy() # 换成 numpy array, 出图时用 # 几种常用的 激励函数 y_relu = F.relu(x).data.numpy() y_sigmoid = F.sigmoid(x).data.numpy() y_tanh = F.tanh(x).data.numpy() y_softplus = F.softplus(x).data.numpy() # y_softmax = F.softmax(x) softmax 比较特殊, 不能直接显示, 不过他是关于概率的, 用于分类 |
接着我们开始画图, 画图的代码也在下面:
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 | import matplotlib.pyplot as plt # python 的可视化模块, 我有教程 (https://morvanzhou.github.io/tutorials/data-manipulation/plt/) plt.figure(1, figsize=(8, 6)) plt.subplot(221) plt.plot(x_np, y_relu, c=\'red\', label=\'relu\') plt.ylim((-1, 5)) plt.legend(loc=\'best\') plt.subplot(222) plt.plot(x_np, y_sigmoid, c=\'red\', label=\'sigmoid\') plt.ylim((-0.2, 1.2)) plt.legend(loc=\'best\') plt.subplot(223) plt.plot(x_np, y_tanh, c=\'red\', label=\'tanh\') plt.ylim((-1.2, 1.2)) plt.legend(loc=\'best\') plt.subplot(224) plt.plot(x_np, y_softplus, c=\'red\', label=\'softplus\') plt.ylim((-0.2, 6)) plt.legend(loc=\'best\') plt.show() |
文章来源：莫烦
本站微信群、QQ群(三群号 726282629)：
