pytorch学习笔记3--activation function 激活函数

一、什么是激活函数

激活函数在深度学习中应用广泛。所谓激活函数，就是在神经网络的神经元上运行的函数，负责将神经元的输入(input layer)映射到输出端(output layer)，也就是对隐藏层(hidden layer)进行处理的函数。常见的激活函数包括sigmoid、tanh、relu、softplus和softmax函数。

二、这些函数的图像

这些函数的共同特点就是他们都是非线性函数，下面它们各自是什么样子的。

• 制造一些画图的数据：

import torch
import torch.nn.functional as func
from torch.autograd import Variable

#绘制图像所需要的一些数据
x=torch.linspace(-5,5,200)  #在[-5,5]的范围中去200个数据
x=Variable(x)

• 制作不同的激活函数：

#做成不同的激活函数
x_np=x.data.numpy()     #画图时，torch数据时不能被matplotlib识别的，必须转换成numpy数据
#几种常用的激活函数
y_relu=torch.relu(x).data.numpy()
y_sigmoid=torch.sigmoid(x).data.numpy()
y_tanh=torch.tanh(x).data.numpy()
y_softplus=func.softplus(x).data.numpy()
#softmax比较特殊，不能直接显示，它是关于概率的，用于分类

• 画图

#画图
import matplotlib.pyplot as plt
plt.figure('ActivationFunction')

plt.subplot(221)
plt.plot(x_np,y_relu,label='relu')
plt.ylim((-1,5))
plt.legend()          #添加图例

plt.subplot(222)
plt.plot(x_np,y_sigmoid,label='sigomid')
plt.ylim((-0.2,1.2))
plt.legend()

plt.subplot(223)
plt.plot(x_np,y_tanh,label='tanh')
plt.ylim((-1.2,1.2))
plt.legend()

plt.subplot(224)
plt.plot(x_np,y_softplus,label='softplus')
plt.ylim((-0.2,6))
plt.legend() 

plt.show()

运行结果：