A.深度学习基础入门篇[四]：激活函数介绍:tanh、sigmoid、ReLU、PReLU、ELU、softplus、softmax、swish等

1.激活函数

• 激活函数是人工神经网络的一个极其重要的特征；

• 激活函数决定一个神经元是否应该被激活，激活代表神经元接收的信息与给定的信息有关；

• 激活函数对输入信息进行非线性变换，然后将变换后的输出信息作为输入信息传给下一层神经元。

激活函数的作用

如果不用激活函数，每一层输出都是上层输入的线性函数，无论神经网络有多少层，最终的输出都是输入的线性组合。 激活函数给神经元引入了非线性因素，使得神经网络可以任意逼近任何非线性函数。

2.常见激活函数种类介绍

2.1 sigmoid

函数定义：

$f(x)=\sigma (x)=\frac{1}{1+e^{-x}}$

导数：

$f^{{}^{\prime }}(x)=f(x)(1-f(x))$

• 优点：

  • $sigmoid$函数的输出映射在 (0,1)之间，单调连续，输出范围有限，优化稳定，可以用作输出层；

  • 求导容易；

• 缺点：

  • 由于其软饱和性，一旦落入饱和区梯度就会接近于0，根据反向传播的链式法则，容易产生梯度消失，导致训练出现问题；

  • Sigmoid函数的输出恒大于0。非零中心化的输出会使得其后一层的神经元的输入发生偏置偏移（Bias Shift），并进一步使得梯度下降的收敛速度变慢；

  • 计算时，由于具有幂运算，计算复杂度较高，运算速度较慢。

2.2 tanh

函数定义：

$f(x)=\tanh (x)=\frac{e^x-e^{-x}}{e^x+e^{-x}}$

导数：
$f^{{}^{\prime }}(x)=1-f(x{)}^2$

• 优点：

  • tanh比 sigmoid函数收敛速度更快；

  • 相比 sigmoid函数，tanh是以 0为中心的；

• 缺点：

  • 与 sigmoid函数相同，由于饱和性容易产生的梯度消失；

  • 与 sigmoid函数相同，由于具有幂运算，计算复杂度较高，运算速度较慢。

2.3 ReLU

函数定义：

$f(x)=\{\begin{array}{lr}0& x<0\\ x& x\ge 0\end{array}$

导数：

$f(x{)}^{\prime }=\{\begin{array}{ll}0& x<0\\ 1& x\ge 0\end{array}$

• 优点：

  • 收敛速度快；

  • 相较于 sigmoid和 tanh中涉及了幂运算，导致计算复杂度高， ReLU​可以更加简单的实现；

  • 当输入 x>=0时，ReLU​ 的导数为常数，这样可有效缓解梯度消失问题；

  • 当 x<0时，ReLU​ 的梯度总是 0，提供了神经网络的稀疏表达能力；

• 缺点：

  • ReLU​ 的输出不是以 0为中心的；

  • 神经元坏死现象，某些神经元可能永远不会被激活，导致相应参数永远不会被更新；

  • 不能避免梯度爆炸问题；

2.4 LReLU

函数定义：

$f(x)=\{\begin{array}{lr}\alpha x& x<0\\ x& x\ge 0\end{array}$

导数：
$f(x{)}^{{}^{\prime }}=\{\begin{array}{ll}\alpha & x<0\\ 1& x\ge 0\end{array}$

• 优点：

  • 避免梯度消失；

  • 由于导数总是不为零，因此可减少死神经元的出现；

• 缺点：

  • LReLU​ 表现并不一定比 ReLU​ 好；

  • 无法避免梯度爆炸问题；

2.5 PReLU

函数定义 :

$f(\alpha ,x)=\{\begin{array}{lr}\alpha x& x<0\\ x& x\ge 0\end{array}$

导数：

$f{\left(\alpha ,x\right)}^{\prime }=\{\begin{array}{cc}\alpha & x<0\\ 1& x\ge 0\end{array}$

• 优点：

  • PReLU​ 是 LReLU 的改进，可以自适应地从数据中学习参数；

  • 收敛速度快、错误率低；

  • PReLU 可以用于反向传播的训练，可以与其他层同时优化；

2.6 RReLU

函数定义：

$f(\alpha ,x)=\{\begin{array}{lr}\alpha x& x<0\\ x& x\ge 0\end{array}$

导数：

$f(\alpha ,x{)}^{\prime }=\{\begin{array}{lr}\alpha & x<0\\ 1& x\ge 0\end{array}$

优点：为负值输入添加了一个线性项，这个线性项的斜率在每一个节点上都是随机分配的（通常服从均匀分布）。

2.7 ELU

函数定义：

$f(\alpha ,x)=\{\begin{array}{lr}\alpha \left(e^x-1\right)& x<0\\ x& x\ge 0\end{array}$

导数：

$f(\alpha ,x{)}^{{}^{\prime }}=\{\begin{array}{lr}f(\alpha ,x)+\alpha & x<0\\ 1& x\ge 0\end{array}$

• 优点：

  • 导数收敛为零，从而提高学习效率；

  • 能得到负值输出，这能帮助网络向正确的方向推动权重和偏置变化；

  • 防止死神经元出现。

• 缺点：

  • 计算量大，其表现并不一定比 ReLU 好；

  • 无法避免梯度爆炸问题；

2.8 SELU

函数定义：

$f(\alpha ,x)=\lambda \{\begin{array}{lr}\alpha \left(e^x-1\right)& x<0\\ x& x\ge 0\end{array}$

导数：

$f(\alpha ,x{)}^{\prime }=\lambda \{\begin{array}{lr}\alpha \left(e^x\right)& x<0\\ 1& x\ge 0\end{array}$

• 优点：

  • SELU 是 ELU 的一个变种。其中 λ 和 α 是固定数值（分别为 1.0507和 1.6726）;

  • 经过该激活函数后使得样本分布自动归一化到 0均值和单位方差;

  • 不会出现梯度消失或爆炸问题;

2.9 softsign

函数定义：

$f(x)=\frac{x}{|x|+1}$

导数：

$f^{\prime }(x)=\frac{1}{{\left(1+|x|\right)}^2}$

• 优点：

  • softsign是 tanh激活函数的另一个替代选择；

  • softsign是反对称、去中心、可微分，并返回 −1和 1之间的值；

  • softsign更平坦的曲线与更慢的下降导数表明它可以更高效地学习；

• 缺点：

  • 导数的计算比tanh更麻烦；

2.10 softplus

函数定义：

$f(x)=\ln \left(1+e^x\right)$

导数：

$f^{\prime }(x)=\frac{1}{1+e^{-x}}$

• 优点：

  • 作为 relu 的一个不错的替代选择，softplus能够返回任何大于 0的值。

  • 与 relu不同，softplus的导数是连续的、非零的，无处不在，从而防止出现死神经元。

• 缺点：

  • 导数常常小于 1，也可能出现梯度消失的问题。

  • softplus另一个不同于 relu的地方在于其不对称性，不以零为中心，可能会妨碍学习。

3.多分类激活函数

3.1 softmax

softmax 函数一般用于多分类问题中，它是对逻辑斯蒂（logistic）回归的一种推广，也被称为多项逻辑斯蒂回归模型(multi-nominal logistic mode)。假设要实现 k 个类别的分类任务，Softmax 函数将输入数据 xi映射到第 i个类别的概率 yi如下计算：

$y_i=software\max \left(x_i\right)=\frac{e^{x_i}}{{\sum }_{j=1}^k{e}^{x_j}}$

显然，$0<yi<1$。图13 给出了三类分类问题的 softmax 输出示意图。在图中，对于取值为 4、1和-4 的 x1、x2和 x3，通过 softmax 变换后，将其映射到 (0,1) 之间的概率值。

由于 softmax 输出结果的值累加起来为 1，因此可将输出概率最大的作为分类目标（图 1 中被分类为第一类）。

也可以从如下另外一个角度来理解图 1 中的内容：给定某个输入数据，可得到其分类为三个类别的初始结果，分别用 x1、x2和 x3来表示。这三个初始分类结果分别是 4、1和-4。通过 Softmax 函数，得到了三个类别分类任务中以概率表示的更好的分类结果，即分别以 95.25%、4.71%和0.04% 归属于类别1、类别2 和类别3。显然，基于这样的概率值，可判断输入数据属于第一类。可见，通过使用 Softmax 函数，可求取输入数据在所有类别上的概率分布。

3.2 swish

函数定义：

$f(x)=x\cdot \sigma (x)$

其中，σ是 sigmoid函数。

• swish激活函数的一阶导数如下

$\begin{array}{r}{f}^{\prime }\left(x\right)=\sigma \left(x\right)+x\cdot \sigma \left(x\right)\left(1-\sigma \left(x\right)\right)\\ =\sigma \left(x\right)+x\cdot \sigma \left(x\right)-x\cdot \sigma {\left(x\right)}^2\\ =x\cdot \sigma \left(x\right)+\sigma \left(x\right)\left(1-x\cdot \sigma \left(x\right)\right)\\ =f\left(x\right)+\sigma \left(x\right)\left(1-f\left(x\right)\right)\end{array}$

• swish激活函数的一阶和二阶导数的图形如

• 超参数版 swish激活函数：

$f\left(x\right)=x\cdot \sigma \left(\beta x\right)$

• 优点：

  • 当 x>0时，不存在梯度消失的情况；当 x<0时，神经元也不会像 ReLU 一样出现死亡的情况；

  • swish处处可导，连续光滑；

  • swish并非一个单调的函数；

  • 提升了模型的性能；

• 缺点：

  • 计算量大；

3.3 hswish

函数定义：

$f\left(x\right)=x\frac{\mathrm{Re}LU6\left(x+3\right)}{6}$

• 优点： 与 swish相比 hard swish减少了计算量，具有和 swish同样的性质。

• 缺点： 与 relu6相比 hard swish的计算量仍然较大。

4.激活函数的选择

1. 浅层网络在分类器时，sigmoid函数及其组合通常效果更好。

2. 由于梯度消失问题，有时要避免使用 sigmoid和 tanh函数。

3. relu函数是一个通用的激活函数，目前在大多数情况下使用。

4. 如果神经网络中出现死神经元，那么 prelu函数就是最好的选择。

5. relu函数只能在隐藏层中使用。

6. 通常，可以从 relu函数开始，如果 relu函数没有提供最优结果，再尝试其他激活函数。

5. 激活函数相关问题总结

5.1 为什么 relu不是全程可微/可导也能用于基于梯度的学习？

从数学的角度看 relu在 0点不可导，因为它的左导数和右导数不相等；但在实现时通常会返回左导数或右导数的其中一个，而不是报告一个导数不存在的错误，从而避免了这个问题。

5.2 为什么 tanh的收敛速度比 sigmoid快？

$\begin{array}{c}{\tanh }^{{}^{\prime }}\left(x\right)=1-\tanh {\left(x\right)}^2\in \left(0,1\right)\\ \\ s^{{}^{\prime }}\left(x\right)=s\left(x\right)\left(1-s\left(x\right)\right)\in \left(0,\frac{1}{4}\right]\end{array}$

由上面两个公式可知 tanh引起的梯度消失问题没有 sigmoid严重，所以 tanh收敛速度比 sigmoid快。

5.3 sigmoid 和 softmax 有什么区别？

• 二分类问题时 sigmoid和 softmax是一样的，都是求 cross entropy loss，而 softmax可以用于多分类问题。

• softmax是 sigmoid的扩展，因为，当类别数 k=2时，softmax回归退化为 logistic回归。

• softmax建模使用的分布是多项式分布，而 logistic则基于伯努利分布。

• 多个 logistic回归通过叠加也同样可以实现多分类的效果，但是 softmax回归进行的多分类，类与类之间是互斥的，即一个输入只能被归为一类；多 logistic回归进行多分类，输出的类别并不是互斥的，即”苹果”这个词语既属于”水果”类也属于”3C”类别。

的梯度消失问题没有 sigmoid严重，所以 tanh收敛速度比 sigmoid快。

5.3 sigmoid 和 softmax 有什么区别？

• 二分类问题时 sigmoid和 softmax是一样的，都是求 cross entropy loss，而 softmax可以用于多分类问题。

• softmax是 sigmoid的扩展，因为，当类别数 k=2时，softmax回归退化为 logistic回归。

• softmax建模使用的分布是多项式分布，而 logistic则基于伯努利分布。

• 多个 logistic回归通过叠加也同样可以实现多分类的效果，但是 softmax回归进行的多分类，类与类之间是互斥的，即一个输入只能被归为一类；多 logistic回归进行多分类，输出的类别并不是互斥的，即”苹果”这个词语既属于”水果”类也属于”3C”类别。