Question

作者: Morvan 编辑: Morvan

• 学习资料:
  • 本节的全部代码
  • 我制作的 激励函数 动画简介
  • PyTorch 官网

本节内容包括:

• 什么是 Activation
• Torch 中的激励函数

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 , 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。

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:

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:

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()

如果你觉得这篇文章或视频对你的学习很有帮助，请你也分享它，让它能再次帮助到更多的需要学习的人。