os.environ[‘KMP_DUPLICATE_LIB_OK’] = ‘TRUE’
x_tor = torch.linspace(-5, 5, 200) #使用torch在区间[-5,5]上均匀的生成200个数据
x_np = x_tor.data.numpy() #将数据转换成np的数据类型
y_sigmoid = torch.sigmoid(x_tor).data.numpy() #sigmoid激活函数
plt.plot(x_np, y_sigmoid, c=‘blue’, label=‘sigmoid’) #坐标轴赋值及描述信息
plt.ylim((-0.2, 1.2)) #设置Y轴上下限
plt.legend(loc=‘best’) #给图像加图例
plt.show() #显示绘制的图像
tanh
非线性函数tanh输出结果为-1到1之间;
表达式:
所以当tanh输出极值接近-1和1时,也面临梯度饱和的问题;但是其输出是以0为中心的,实际应用中会比Sigmoid更好;
代码与绘制:
import torch #引用torch
import matplotlib.pyplot as plt #引用matplotlib
import os #引用OS
os.environ[‘KMP_DUPLICATE_LIB_OK’] = ‘TRUE’
x_tor = torch.linspace(-5, 5, 200) #使用torch在区间[-5,5]上均匀的生成200个数据
x_np = x_tor.data.numpy() #将数据转换成np的数据类型
y_tanh = torch.tanh(x_tor).data.numpy() #tanh激活函数
plt.plot(x_np, y_tanh, c=‘blue’, label=‘tanh’) #坐标轴赋值及描述信息
plt.ylim((-1.2, 1.2)) #设置Y轴上下限
plt.legend(loc=‘best’) #给图像加图例
plt.show() #显示绘制的图像
ReLU
ReLU有助于优化器更快的找到正确的权重集合。可以使随机梯度下降收敛的更快;计算速度非常快;
但是当一个很大的梯度进行反向传播时,流经的神经元会变得无效;可以通过调整学习率来控制;
表达式:
)
ReLU把所有负值取作0,正值保持不变;
代码与绘制:
import torch #引用torch
import matplotlib.pyplot as plt #引用matplotlib
import os #引用OS
os.environ[‘KMP_DUPLICATE_LIB_OK’] = ‘TRUE’
x_tor = torch.linspace(-5, 5, 200) #使用torch在区间[-5,5]上均匀的生成200个数据
x_np = x_tor.data.numpy() #将数据转换成np的数据类型
y_relu = torch.relu(x_tor).data.numpy() #ReLU激活函数
plt.plot(x_np, y_relu, c=‘blue’, label=‘relu’) #坐标轴赋值及描述信息
plt.ylim((0, 6)) #设置Y轴上下限
plt.legend(loc=‘best’) #给图像加图例
plt.show() #显示绘制的图像
Leaky ReLU
Leaky ReLU尝试解决一个问题死角,不再将饱和度置为0,而是设为一个非常小的数值,如0.01;
Leaky ReLU是给所有负值赋予一个非零斜率;
这一激活函数对于某些用例提供了更优异的性能,但是他不是连续的。
SoftPlus
SoftPlus平滑版的ReLU;
表达式:
代码与绘制:
import torch #引用torch
import matplotlib.pyplot as plt #引用matplotlib
import torch.nn.functional as F #引用torch.nn.functional
import os #引用OS
os.environ[‘KMP_DUPLICATE_LIB_OK’] = ‘TRUE’
x_tor = torch.linspace(-5, 5, 200) #使用torch在区间[-5,5]上均匀的生成200个数据
x_np = x_tor.data.numpy() #将数据转换成np的数据类型
y_softplus = F.softplus(x_tor).data.numpy() #tanh激活函数
plt.plot(x_np, y_softplus, c=‘blue’, label=‘softplus’) #坐标轴赋值及描述信息
plt.ylim((0, 6)) #设置Y轴上下限
plt.legend(loc=‘best’) #给图像加图例
plt.show() #显示绘制的图像
自我介绍一下,小编13年上海交大毕业,曾经在小公司待过,也去过华为、OPPO等大厂,18年进入阿里一直到现在。
深知大多数Java工程师,想要提升技能,往往是自己摸索成长或者是报班学习,但对于培训机构动则几千的学费,着实压力不小。自己不成体系的自学效果低效又漫长,而且极易碰到天花板技术停滞不前!
因此收集整理了一份《2024年Java开发全套学习资料》,初衷也很简单,就是希望能够帮助到想自学提升又不知道该从何学起的朋友,同时减轻大家的负担。
既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,基本涵盖了95%以上Java开发知识点,真正体系化!
由于文件比较大,这里只是将部分目录截图出来,每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频,并且会持续更新!
如果你觉得这些内容对你有帮助,可以扫码获取!!(备注Java获取)
最后
2020年在匆匆忙忙慌慌乱乱中就这么度过了,我们迎来了新一年,互联网的发展如此之快,技术日新月异,更新迭代成为了这个时代的代名词,坚持下来的技术体系会越来越健壮,JVM作为如今是跳槽大厂必备的技能,如果你还没掌握,更别提之后更新的新技术了。
更多JVM面试整理:
《互联网大厂面试真题解析、进阶开发核心学习笔记、全套讲解视频、实战项目源码讲义》点击传送门即可获取!
必备的技能,如果你还没掌握,更别提之后更新的新技术了。
[外链图片转存中…(img-Wpl2ktrw-1713609156847)]
更多JVM面试整理:
[外链图片转存中…(img-HXV7qRF6-1713609156847)]
《互联网大厂面试真题解析、进阶开发核心学习笔记、全套讲解视频、实战项目源码讲义》点击传送门即可获取!