sigmoid函数_激活函数

为什么使用激活函数

如果没有激活函数，神经网络就变成了线性模型，输出是输入的线性组合，使用一层与使用多层没有区别。如下式所示，输入为x，经过线性层计算出a1，将a1输入下个线性层得到a2，展开后可以看出，最终得到的仍然是wx+b的线性组合，只是参数值不同。

另外，线性层无法解决非线性问题，如在预测房价问题中，如果不使用激活函数，则房价可能计算成负值，这也与实际不符。理论上，加了激活函数后，模型可以逼近任意函数。

激活函数又分线性激活函数和非线性激活函数，一般使用的都是非线性激活函数，线性激活函数与线性层类似，只在输出层偶尔使用，不在此展开讨论。

何时使用激活函数

激活函数一般放置在线性变换之后，在线性变换和激活函数之间，常常插入归一化层，用于解决饱和的非线性激活函数问题（下面Sigmoid函数部分详细说明）。

如何选择激活函数

从一些当前流行的深度学习网络代码中，可以看到，当前使用的激活函数绝大部分是ReLU；在一些特殊情况下，也使用Sigmoid，比如二分类问题的最后一层使用Sigmoid将输出转换到0-1之间；又如使用注意力网络时，注意力加权需要使用0-1之间的权值时，也用到Sigmoid函数。作为一般的夹在线性层之间的普通激活函数，ReLU是默认选择。

常用激活函数

下面介绍常用激活函数的方法、原理、梯度计算、直观图示，以及使用中可能遇到的问题。

sigmoid激活函数

sigmoid是较早期的激活函数，它的输入是任意的x，输出在0-1之间，实现数据映射。

其公式如下：

其求导过程如下：

Python代码实现：

def sigmoid(x):  
    return 1. / (1 + np.exp(-x))

试想将值代入时，当x趋近正无穷，分母为1，计算结果为1；当x趋近负无穷，分母为无穷大，计算结果为0。当x为0时，分母为２，计算结果为0.5。

函数图示如下：

如图所示，映射过程中将值压缩到0-1之间，它对0附近的值比较敏感，其图形接近线性，而其它部分的数值在sigmoid后绝对值缩小很多。

梯度是x方向上变化引起的y方向的变化，在x值较大的情况下，x的变化对y影响很小，这就是所谓的“非线性激活函数的饱和”问题。在使用梯度下降法给网络调参时，接近0的梯度使学习的速度变得非常缓慢。这一现象在调试程序时尤为明显：大不把网络参数以及输入数据设置得比较小，且不使用归一化层的情况下，使用Sigmoid函数收敛得非常慢。

此外，sigmoid还包括幂运算，运算量也比较大，目前除了上述比较特殊的场景，已很少使用。

tanh激活函数

tanh激活函数可视为sigmoid函数的改进版本，其图示如下：

在数学上，tanh是sigmoid的平移，它把数据范围压缩到-1~1之间，均值为0。前人证明0均值的tanh激活函数效果更好。0均值同样可应用于其它场景提高模型效果。

其公式如下：

Python代码实现：

import numpy as np  
np.tanh(x)

尽管tanh略优于sigmoid，但它也有sigmoid同样的缺点：计算量大及饱和问题，目前也很少使用，另外，0均值也可通过归一化层实现。因此，只做简单介绍，不再展开。

ReLU激活函数

ReLU激活函数，原理，计算以及求导都非常简单：如果x大于0，则y=x，如果小于0，则y=0，其图示如下：

其公式如下：

其导数是：

需要注意的是，ReLU在0值不可微，但一般情况下，不会遇到太多的0值，因此将0值的梯度置为0或1都可以。

Python代码实现：

def relu(x):  
    return np.maximum(0,x)

ReLU非常简单，运算速度非常快，收敛也快，由于它没有压缩数据，因此，也避免了由激活函数引起的梯度问题。另外，处理结果不能为负（如房价不能为负，或者避免sum累积时正负抵消）的问题时，也可以在层后添加ReLU激活函数。

ReLU衍生的激活函数

虽然ReLU相对于之前算法表现优异，但也存在问题，试想当梯度大幅变化时，由于ReLU在大于0的情况下，不做处理直接向后传递，则可能造成之前线性层参数的大幅变化，因此，很可能产生大量小于0的数据输入ReLU。若ReLU的输入大多是负数，则会导致大部分梯度无法向后传递，从而引起“Dead ReLU”问题。其现象是由于某些特殊数据引发了无法继续收敛。

为解决这一问题，出现了一些ReLU变种，来处理小于0的数据，比如ELU，Leaky RELU。

ELU公式如下：

做图如下：

Python代码如下：

def elu(x,a):  
    y = []  
    for i in x:  
        if i<0:  
            i = a * (np.exp(i)-1)  
        y.append(i)  
    return y

它的均值趋近0，没有Dead ReLU的问题，但计算量略大。更简单一点的还有Leaky ReLU，如下图所示：

它对于0以下的部分乘一个较小的a值，一般是0.01。另外，引入归一化层也可解决Dead ReLU问题，因此，推荐以ReLU作为默认的激活函数。