激勵(lì)函數(shù)

激勵(lì)函數(shù)通常是非線性的眼刃,其通過(guò)對(duì)線性矩陣運(yùn)算結(jié)果的非線性變化摇肌,使用神經(jīng)網(wǎng)絡(luò)得以擬合任意函數(shù)

1. 數(shù)據(jù)準(zhǔn)備

import torch
import torch.nn.functional as F
from torch.autograd import Variable
import matplotlib.pyplot as plt

# fake data
x = torch.linspace(-5, 5, 200)  # x data (tensor), shape=(100, 1)
x = Variable(x)
x_np = x.data.numpy()   # numpy array for plotting

2. 常見(jiàn)非線性激勵(lì)函數(shù)

# following are popular activation functions
y_relu = torch.relu(x).data.numpy()
y_sigmoid = torch.sigmoid(x).data.numpy()
y_tanh = torch.tanh(x).data.numpy()
y_softplus = F.softplus(x).data.numpy() # there's no softplus in torch
y_softmax = torch.softmax(x, dim=0).data.numpy() 
#softmax is a special kind of activation function, it is about probability
  1. Relu , Tanh , Sigmoid 是最常見(jiàn)的激勵(lì)函數(shù)围小,常用與 CNN(Relu),RNN(Tanh)等連用
  2. Softmax 函數(shù)亦是常見(jiàn)的激勵(lì)函數(shù)变秦,多用于預(yù)測(cè)與分類問(wèn)題蹦玫,其可將任意輸出轉(zhuǎn)換為概率
  3. Softplus 函數(shù)在Torch 中不存在,不常用到

3. 圖像可視化——Matplolib

# plt to visualize these activation function
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()

1.plt.figure ('title','figsize'):初始化plt框圖樱溉,figsize表示該框圖的結(jié)構(gòu)
2.plt.subplot('num-1','num-2','num-3'):用于在plt框圖中構(gòu)建子圖,num-1與num-2表示子圖的二維位置歧焦,num-3表示框圖順序
plt.show():顯示plt圖像

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末绢馍,一起剝皮案震驚了整個(gè)濱河市,隨后出現(xiàn)的幾起案子舰涌,更是在濱河造成了極大的恐慌瓷耙,老刑警劉巖刁赖,帶你破解...
    沈念sama閱讀 222,946評(píng)論 6 518
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場(chǎng)離奇詭異宇弛,居然都是意外死亡,警方通過(guò)查閱死者的電腦和手機(jī)彻况,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 95,336評(píng)論 3 399
  • 文/潘曉璐 我一進(jìn)店門(mén)舅踪,熙熙樓的掌柜王于貴愁眉苦臉地迎上來(lái)抽碌,“玉大人,你說(shuō)我怎么就攤上這事泽裳∑破牛” “怎么了胸囱?”我有些...
    開(kāi)封第一講書(shū)人閱讀 169,716評(píng)論 0 364
  • 文/不壞的土叔 我叫張陵,是天一觀的道長(zhǎng)抛丽。 經(jīng)常有香客問(wèn)我饰豺,道長(zhǎng),這世上最難降的妖魔是什么蒿柳? 我笑而不...
    開(kāi)封第一講書(shū)人閱讀 60,222評(píng)論 1 300
  • 正文 為了忘掉前任垒探,我火速辦了婚禮怠李,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘夷蚊。我一直安慰自己髓介,他們只是感情好,可當(dāng)我...
    茶點(diǎn)故事閱讀 69,223評(píng)論 6 398
  • 文/花漫 我一把揭開(kāi)白布。 她就那樣靜靜地躺著彻犁,像睡著了一般。 火紅的嫁衣襯著肌膚如雪汞幢。 梳的紋絲不亂的頭發(fā)上,一...
    開(kāi)封第一講書(shū)人閱讀 52,807評(píng)論 1 314
  • 那天,我揣著相機(jī)與錄音仲智,去河邊找鬼。 笑死钓辆,一個(gè)胖子當(dāng)著我的面吹牛肴焊,可吹牛的內(nèi)容都是我干的娶眷。 我是一名探鬼主播,決...
    沈念sama閱讀 41,235評(píng)論 3 424
  • 文/蒼蘭香墨 我猛地睜開(kāi)眼届宠,長(zhǎng)吁一口氣:“原來(lái)是場(chǎng)噩夢(mèng)啊……” “哼乘粒!你這毒婦竟也來(lái)了?” 一聲冷哼從身側(cè)響起幌羞,我...
    開(kāi)封第一講書(shū)人閱讀 40,189評(píng)論 0 277
  • 序言:老撾萬(wàn)榮一對(duì)情侶失蹤属桦,失蹤者是張志新(化名)和其女友劉穎他爸,沒(méi)想到半個(gè)月后,有當(dāng)?shù)厝嗽跇?shù)林里發(fā)現(xiàn)了一具尸體系谐,經(jīng)...
    沈念sama閱讀 46,712評(píng)論 1 320
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡纪他,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 38,775評(píng)論 3 343
  • 正文 我和宋清朗相戀三年茶袒,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了薪寓。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點(diǎn)故事閱讀 40,926評(píng)論 1 353
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡澜共,死狀恐怖向叉,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情嗦董,我是刑警寧澤母谎,帶...
    沈念sama閱讀 36,580評(píng)論 5 351
  • 正文 年R本政府宣布,位于F島的核電站京革,受9級(jí)特大地震影響销睁,放射性物質(zhì)發(fā)生泄漏供璧。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 42,259評(píng)論 3 336
  • 文/蒙蒙 一冻记、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧来惧,春花似錦冗栗、人聲如沸。這莊子的主人今日做“春日...
    開(kāi)封第一講書(shū)人閱讀 32,750評(píng)論 0 25
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)葛虐。三九已至涕蚤,卻和暖如春万栅,著一層夾襖步出監(jiān)牢的瞬間烦粒,已是汗流浹背扰她。 一陣腳步聲響...
    開(kāi)封第一講書(shū)人閱讀 33,867評(píng)論 1 274
  • 我被黑心中介騙來(lái)泰國(guó)打工廉涕, 沒(méi)想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留狐蜕,地道東北人层释。 一個(gè)月前我還...
    沈念sama閱讀 49,368評(píng)論 3 379
  • 正文 我出身青樓廉白,卻偏偏與公主長(zhǎng)得像,于是被迫代替她去往敵國(guó)和親磅轻。 傳聞我的和親對(duì)象是個(gè)殘疾皇子聋溜,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 45,930評(píng)論 2 361

推薦閱讀更多精彩內(nèi)容

  • 大家都知道把曼,人腦的基本計(jì)算單元叫做神經(jīng)元∽S兀現(xiàn)代生物學(xué)表明,人的神經(jīng)系統(tǒng)中大概有860億神經(jīng)元山害,而這數(shù)量巨大的神經(jīng)元...
    愛(ài)碼小士閱讀 2,044評(píng)論 0 1
  • 前言 因?yàn)镾igmod函數(shù)的梯度有可能會(huì)下降很慢。甚至梯度消失钓简。在分類的時(shí)候很多都使用這個(gè)Relu激勵(lì)函數(shù),尤其是...
    skullfang閱讀 5,405評(píng)論 0 1
  • 神經(jīng)網(wǎng)絡(luò)中的激勵(lì)函數(shù)為神經(jīng)元提供了規(guī)乃鸹埃化的非線性化能力光涂。常見(jiàn)的激勵(lì)函數(shù)包括sigmoid函數(shù)忘闻,tanh函數(shù)和ReL...
    AryaHooper閱讀 4,036評(píng)論 0 3
  • ?PyTorch Activation Function. Activation Function 一句話概括 A...
    Jancd閱讀 1,366評(píng)論 0 0
  • 今天上到崩潰践付,躲去廁所哭了一回永高,真的好累曹傀,做不到做不好皆愉,努力去做幕庐,卻總不到做不好,想要尋求的幫助和理解卻找不...
    江心與閱讀 334評(píng)論 0 0