python Sigmoid和Tanh 可视化

最近在研究神经网络，用python绘制了一下常见的Sigmoid函数和Tanh函数，别的不多说，直接上代码：

#!/usr/bin/python #encoding:utf-8
import math
import matplotlib.pyplot as plt
import numpy as np
import matplotlib as mpl
mpl.rcParams['axes.unicode_minus']=False  def  sigmoid(x):  return 1.0 / (1.0 + np.exp(-x))  fig = plt.figure(figsize=(6,4))
ax = fig.add_subplot(111)  x = np.linspace(-10, 10)
y = sigmoid(x)
tanh = 2*sigmoid(2*x) - 1  plt.xlim(-11,11)
plt.ylim(-1.1,1.1)  ax.spines['top'].set_color('none')
ax.spines['right'].set_color('none')  ax.xaxis.set_ticks_position('bottom')
ax.spines['bottom'].set_position(('data',0))
ax.set_xticks([-10,-5,0,5,10])
ax.yaxis.set_ticks_position('left')
ax.spines['left'].set_position(('data',0))
ax.set_yticks([-1,-0.5,0.5,1])  plt.plot(x,y,label="Sigmoid",color = "blue")
plt.plot(2*x,tanh,label="Tanh", color = "red")
plt.legend()
plt.show()

(tanh(i)+1)/2和sigmoid结果基本是一样的：

# !/usr/bin/python #encoding:utf-8
import math
import matplotlib.pyplot as plt
import numpy as np
import matplotlib as mpl
import torchmpl.rcParams['axes.unicode_minus'] = Falsedef sigmoid(x):return 1.0 / (1.0 + np.exp(-x))fig = plt.figure(figsize=(6, 4))
ax = fig.add_subplot(111)x = np.linspace(-10, 10)
y = sigmoid(x)
# tanh = 2 * sigmoid(2 * x) - 1tanh= (math.e**(x)-math.e**(-x))/(math.e**(x)+math.e**(-x))for i in range(len(tanh)):tanh[i]=(tanh[i]+1)/2# alpha=0.25
# for i in range(len(tanh)):
#     tanh[i]=max(tanh[i], alpha * tanh[i])# tanh= max(tanha, alpha * tanha)plt.xlim(-11, 11)
plt.ylim(-1.1, 1.1)ax.spines['top'].set_color('none')
ax.spines['right'].set_color('none')ax.xaxis.set_ticks_position('bottom')
ax.spines['bottom'].set_position(('data', 0))
ax.set_xticks([-10, -5, 0, 5, 10])
ax.yaxis.set_ticks_position('left')
ax.spines['left'].set_position(('data', 0))
ax.set_yticks([-1, -0.5, 0.5, 1])plt.plot(x, y, label="Sigmoid", color="blue")
plt.plot(2 * x, tanh, label="Tanh", color="red")
plt.legend()
plt.show()

python Sigmoid和Tanh 可视化相关推荐

常用激活函数activation function（Softmax、Sigmoid、Tanh、ReLU和Leaky ReLU) 附激活函数图像绘制python代码
激活函数是确定神经网络输出的数学方程式. 激活函数的作用: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. 1.附加到网络中的每个神经元,并根据每个神经元的输入来确定是否应激活. 2 ...
最全面：python绘制Sigmoid、Tanh、Swish、ELU、SELU、ReLU、ReLU6、Leaky ReLU、Mish、hard-Sigmoid、hard-Swish等激活函数（有源码）
python绘制激活函数代码示例代码我构建了一个关于激活函数的类,大家可以随意使用,包括其输出值和梯度值. 关于这些激活函数详解可以参考我这篇博客:深度学习-激活函数详解(Sigmoid.ta ...
python绘制sigmoid及tanh函数
Sigmoid激活函数 import math import numpy as np import matplotlib.pyplot as plt x = np.arange(-10,10) a=n ...
relu，sigmoid，tanh函数图像（python）
relu,sigmoid,tanh函数图像(python) 1.导入工具包 import math import matplotlib.pyplot as plt import numpy as np ...
小技巧（10）：使用Python绘制激活函数（Sigmoid、Tanh、ReLU、PReLU）图像
文章目录一.单张绘制 1.1 代码 1.2 绘制结果二.4张图绘制成1张图 2.1 代码 2.2 绘制结果一.单张绘制 1.1 代码 import numpy as np import matp ...
Sigmoid、Tanh、ReLU、Leaky_ReLU、SiLU、Mish函数python实现
Sigmoid.Tanh.ReLU.Leaky_ReLU.SiLU.Mish函数 import numpy as np import matplotlib.pyplot as pltdef Sigmo ...
python 画sigmoid、tanh、relu和ELU等激活函数
1.前言写毕业论文时候画了激活函数的函数图,也是参考别人的代码做的,我将格式统一了一些,现在分享出来. 2.代码 2.1 sigmoid和tanh import math import matplo ...
深度学习常用的激活函数以及python实现(Sigmoid、Tanh、ReLU、Softmax、Leaky ReLU、ELU、PReLU、Swish、Squareplus)
2022.05.26更新增加SMU激活函数前言激活函数是一种添加到人工神经网络中的函数,类似于人类大脑中基于神经元的模型,激活函数最终决定了要发射给下一个神经元的内容. 此图来自百度百科,其中s ...
R语言实现sigmoid激活函数并可视化
R语言实现sigmoid激活函数并可视化 sigmoid激活函数又叫作 Logistic 激活函数,它将实数值压缩进 0 到 1 的区间内,还可以在预测概率的输出层中使用.该函数将大的负数转换成 0, ...

python Sigmoid和Tanh 可视化

python Sigmoid和Tanh 可视化相关推荐

最新文章

热门文章