深度学习理论向应用的过渡课程【北京大学_TensorFlow2.0笔记】学习笔记（三）——常见函数，学习率，激活函数

2.1 常见函数

 

tf.where(条件语句,真则返回A,假返回B)

np.random.RandomState.rand(维度)——返回[0,1)之间的随机数。维度为空，返回标量。若括号内为seed=常数，含有该种子处生成的随机数相同

np.vstack(数组1,数组2)——将两个数组按垂直方向叠加

形成网格：

np.mgrid[起始值：结束值：步长，起始值：结束值：步长，...]——[起始值，结束值)生成等差数列

x.ravel()——将x变为一维数组，“把.前的变量拉直”

np.c_[数组1，数组2，...]——配对输出

2.2 神经网络参数及学习率更新

 

2.3 激活函数

sigmoid梯度消失：导数范围在[0,0.25]，链式求导需多层导数连续相乘，结果→0，产生梯度消失，使得参数无法继续更新。

解决梯度消失：激活函数具备近似恒等性

 

解决神经元死亡：改进随机初始化，避免过多负数送入relu；设置更小的学习率，避免参数变化过大，避免产生过多负数特征