神经网络深度学习（二）激活函数

 

一、激活函数的作用

激活函数的作用是：引入非线性因素，提高了模型的表达能力。

如果没有激活函数，那么模型就只有线性变换，可想而知线性模型能表达的空间是有限的。而激活函数引入了非线性因素，比线性模型拥有更大的模型空间。

二、激活函数详解

激活函数	公式	图形	适用范围
tanh	导数		tanh激活函数是0均值的，tanh激活函数相比sigmoid函数更'陡峭'了，对于有差异的特征区分得更开了，tanh也不能避免梯度消失问题。
softmax	（分布也是指数）		softmax函数常用在分类网络的最后一层，把网络输出转化为各类别的概率。
sigmoid	导数：		优点：sigmoid函数可以将实数映射到 (0,1) 区间内。平滑、易于求导。 缺点：1. 激活函数含有幂运算和除法，计算量大；2. 反向传播时，很容易就会出现梯度消失的情况，从而无法完成深层网络的训练；3. sigmoid的输出不是0均值的,这会导致后一层的神经元将得到上一层输出的非0均值的信号作为输入。
ReLU			优点：1.计算量小；2.激活函数导数维持在1，可以有效缓解梯度消失和梯度爆炸问题；3.使用Relu会使部分神经元为0，这样就造成了网络的稀疏性，并且减少了参数之间的相互依赖关系，缓解了过拟合问题的发生。 缺点：输入激活函数值为负数的时候，会使得输出为0，那么这个神经元在后面的训练迭代的梯度就永远是0了（由反向传播公式推导可得），参数w得不到更新，也就是这个神经元死掉了。这种情况在你将学习率设得较大时（网络训练刚开始时）很容易发生（波浪线一不小心就拐到负数区域了，然后就拐不回来了）。 解决办法：一些对Relu的改进，如ELU、PRelu、Leaky ReLU等，给负数区域一个很小的输出，不让其置0，从某种程度上避免了使部分神经元死掉的问题。
LeakyReLU			LeakyReLU在神经元未激活时，它仍允许赋予一个很小的梯度，避免ReLU死掉的问题。值得注意的是LeakyReLU是确定的标量，不可学习。 注意区分PReLU和LeakyReLU，PReLU的 alpha 是一个可学习的数组，尺寸与 x 相同。 PReLU是针对ReLU的一个改进型，在负数区域内，PReLU有一个很小的斜率，这样也可以避免ReLU死掉的问题。相比于ELU，PReLU在负数区域内是线性运算，斜率虽然小，但是不会趋于0，这算是一定的优势
hard_sigmoid			特点：计算量小，非平滑。
ELU			优点：右侧线性部分使得elu能够缓解梯度消失，而左侧软饱部分能够让ELU对输入变化或噪声更鲁棒。elu的输出均值接近于零。
GELU	GELU(x)=x∗Φ(x)		就是我们常说的高斯误差线性单元，它是一种高性能的神经网络激活函数，因为gelu的非线性变化是一种符合预期的随机正则变换方式
Maxout

 

三、激活函数常见问题

1 transformer FFN层用的激活函数是什么？为什么？

ReLU.

2 出现死神经元的原因及解决方案：

• 初始化参数的问题。 --> 采用Xavier初始化方法。

• learning rate太高导致在训练过程中参数更新太大 。==>避免将learning rate设置太大，或者使用Adam等自动调节learning rate的方法。

• 更换激活函数。 --> Leaky ReLU、PReLU、ELU等都是为了解决死神经元的问题。

3 Bert、GPT、GPT2中用的激活函数是什么？为什么？

Gelu.

使用Gelu时，一般优化器都会选择动态更新lr的方法。Bert、GPT、GPT2、RoBERTa、ALBERT都是用的Gelu。

 

直观理解：x做为神经元的输入，P(X<=x)越大，x就越有可能被保留；否则越小，激活函数输出就趋近于0.

 

 

 参考文献： 

1 算法面试问题二（激活函数相关）【这些面试题你都会吗】 - 知乎