python license activation_激活函数activation
TensorFlow的中阶API主要包括:
数据管道(tf.data)
特征列(tf.feature_column)
激活函数(tf.nn)
模型层(tf.keras.layers)
损失函数(tf.keras.losses)
评估函数(tf.keras.metrics)
优化器(tf.keras.optimizers)
回调函数(tf.keras.callbacks)
如果把模型比作一个房子,那么中阶API就是【模型之墙】。
本篇我们介绍激活函数。
一,激活函数概述
激活函数在深度学习中扮演着非常重要的角色,它给网络赋予了非线性,从而使得神经网络能够拟合任意复杂的函数。
如果没有激活函数,无论多复杂的网络,都等价于单一的线性变换,无法对非线性函数进行拟合。
目前,深度学习中最流行的激活函数为 relu, 但也有些新推出的激活函数,例如 swish、GELU,据称效果优于relu激活函数。
激活函数的综述介绍可以参考下面两篇文章。
《一文概览深度学习中的激活函数》
https://zhuanlan.zhihu.com/p/98472075
《从ReLU到GELU,一文概览神经网络中的激活函数》
https://zhuanlan.zhihu.com/p/98863801
二,常用激活函数
激活函数在深度学习中扮演着非常重要的角色,它给网络赋予了非线性,从而使得神经网络能够拟合任意复杂的函数。
1,tf.nn.sigmoid:将实数压缩到0到1之间,一般只在二分类的最后输出层使用。主要缺陷为存在梯度消失问题,计算复杂度高,输出不以0为中心。
2,tf.nn.softmax:sigmoid的多分类扩展,一般只在多分类问题的最后输出层使用。
3,tf.nn.tanh:将实数压缩到-1到1之间,输出期望为0。主要缺陷为存在梯度消失问题,计算复杂度高。
4,tf.nn.relu:修正线性单元,最流行的激活函数。一般隐藏层使用。主要缺陷是:输出不以0为中心,输入小于0时存在梯度消失问题(死亡relu)。
5,tf.nn.leaky_relu:对修正线性单元的改进,解决了死亡relu问题。
6,tf.nn.elu:指数线性单元。对relu的改进,能够缓解死亡relu问题。
7,tf.nn.selu:扩展型指数线性单元。在权重用tf.keras.initializers.lecun_normal初始化前提下能够对神经网络进行自归一化。不可能出现梯度爆炸或者梯度消失问题。需要和Dropout的变种AlphaDropout一起使用。
8,tf.nn.swish:自门控激活函数。谷歌出品,相关研究指出用swish替代relu将获得轻微效果提升。
9,gelu:高斯误差线性单元激活函数。在Transformer中表现最好。tf.nn模块尚没有实现该函数。
三,在模型中使用激活函数
在keras模型中使用激活函数一般有两种方式,一种是作为某些层的activation参数指定,另一种是显式添加layers.Activation激活层。
import numpy as np
import pandas as pd
import tensorflow as tf
from tensorflow.keras import layers,models
tf.keras.backend.clear_session()
model = models.Sequential()
model.add(layers.Dense(32,input_shape = (None,16),activation = tf.nn.relu)) #通过activation参数指定
model.add(layers.Dense(10))
model.add(layers.Activation(tf.nn.softmax)) # 显式添加layers.Activation激活层
model.summary()
猜你喜欢❤️:
公众号后台回复关键字:tensorflow,获取本书github项目源码和对应数据集!
python license activation_激活函数activation相关推荐
- 激活函数 activation function
文章目录 激活函数 activation function Sigmoid Sigmoid 反向传播 Tanh ReLU Dead ReLU Problem 产生的原因 激活函数 activation ...
- DeepLearning: 归纳几种常用的激活函数(activation)
Deep Learning中常用的激活函数(activation) 1. sigmoid 表达式: a=sigmoid(z)=11+e−za = sigmoid(z) = \frac {1} {1 + ...
- 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 ...
- python实现之激活函数
激活函数(Activation Function),就是在人工神经网络的神经元上运行的函数,负责将神经元的输入映射到输出端. 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, ...
- Pytorch——激活函数(Activation Function)
文章目录 1.非线性方程 2.激活函数 3.常用选择 4.代码 1.非线性方程 我们为什么要使用激励函数? 用简单的语句来概括. 就是因为, 现实并没有我们想象的那么美好, 它是残酷多变的. 哈哈, ...
- 激活函数activation总结
激活函数在深度学习中扮演着非常重要的角色,它给网络赋予了非线性,从而使得神经网络能够拟合任意复杂的函数. 非线性激活函数可以使神经网络随意逼近复杂函数.没有激活函数带来的非线性,多层神经网络和单层无异 ...
- [TensorFlow 学习笔记-06]激活函数(Activation Function)
[版权说明] TensorFlow 学习笔记参考: 李嘉璇 著 TensorFlow技术解析与实战 黄文坚 唐源 著 TensorFlow实战郑泽宇 顾思宇 著 TensorFlow实战Googl ...
- Pytorch专题实战——激活函数(Activation Functions)
文章目录 1.激活函数的两种用法 1.1.softmax激活函数 1.2.sigmoid激活函数 1.3.tanh激活函数 1.4.relu激活函数 1.5.leaky_relu激活函数 2.用激活函 ...
- python绘制mish激活函数图像
直接上代码 import numpy as np import math import matplotlib.pyplot as plt e=math.edef tanh(x):return (e** ...
最新文章
- php中文网数据库的搭建,【后端开发】php数据库中文乱码
- 黑马程序员pink老师前端入门教程,零基础必看的JavaScript基础语法视频教程(三)
- WP博客wordpress,robots.txt写法
- Blazor带我重玩前端(四)
- 递归算法的总结与应用
- 十大硬盘数据恢复软件
- sla的三个服务等级_联络中心的服务水平标准是什么?
- 核磁谱图分析步骤_核磁共振解析图谱的步骤
- 英语作文中常见的连接词
- Java 第十一次作业
- 赞!WEB设计之路!网络视觉艺术发展史概览
- 利用Python3将EXCEL中某列特殊字符之前的汉字取首字母,特殊字符之后的汉字取全拼,然后用下划线“_”相连,写入下一列...
- VMware VCP 认证考试电子版证书下载方式
- Java 12 / JDK 12 正式发布
- 直接寻址、间接寻址、立即数寻址
- 2018 ACM-ICPC 亚洲区域赛青岛站 E - Plants vs. Zombies(二分)
- 百度竞价推广是什么?信息流推广以及网盟推广是什么?
- Centos 7.2 及php7环境下升级memcache未果,改安装 memcached
- 联想笔记本如何开启笔记本的VT-x虚拟化技术功能
- 敏感词加解密与隐位处理