Sigmoid激活的是第几维呢?

答案是全维度,将值激活压缩到[0,1]区间,不关维度的事,这一点跟Softmax不一样,Softmax是对指定维度将值激活到[0,1]区间。

                                                  \sigma \left ( \cdot \right ) = \frac{1}{1+e^{-x}}

Sigmoid函数的特性与优缺点:

Sigmoid函数的输出范围是0到1。由于输出值限定在0到1,因此它对每个神经元的输出进行了归一化。
用于将预测概率作为输出的模型。由于概率的取值范围是0到1,因此Sigmoid函数非常合适
梯度平滑,避免跳跃的输出值
函数是可微的。这意味着可以找到任意两个点的Sigmoid曲线的斜率
明确的预测,即非常接近1或0。
函数输出不是以0为中心的,这会降低权重更新的效率
Sigmoid函数执行指数运算,计算机运行得较慢。
 

你可能感兴趣的:(深度学习,python,机器学习)