Python人工智能常用的激活函数有:
- Sigmoid函数:它的公式是σ=1+e−x1,它的导数是σ′=σ(1−σ)。它的输出范围是(0, 1),可以模拟概率值。它将任何输入映射到0和1之间的值,因此对于二元分类问题和逻辑回归模型非常有用。在TensorFlow中,可以使用tf.keras.activations.sigmoid来调用它。1
- Tanh函数(双曲正切):它的公式是tanh(x)=ex+e−xex−e−x,它的导数是tanh′(x)=1−tanh2(x)。它的输出范围是(-1, 1),可以使数据分布更均匀。它类似于Sigmoid函数,但具有更强的梯度。它常用于隐藏层的激活函数。在TensorFlow中,可以使用tf.keras.activations.tanh来调用它。2
- ReLU函数(整流线性单元):它的公式是ReLU(x)=max(0,x),它的导数是ReLU′(x)=1 if x>0 else 0。它的输出范围是(0, ∞),对于负输入,它返回0;对于非负输入,它返回输入本身。它在深度学习模型中被广泛使用,因为它有助于缓解梯度消失问题,并且计算速度快。它常用于卷积神经网络和深度神经网络。在TensorFlow中,可以使用tf.keras.activations.relu来调用它。2
- Softmax函数:它将一组实数映射到一组概率,这些概率的总和为1。它通常用于多类分类问题。
- Leaky ReLU函数:与ReLU函数类似,但对于负输入,它返回一个非零斜率。
- ELU函数(指数线性单元):与Leaky ReLU函数类似,但对于负输入,它返回一个指数衰减。
- Swish函数: