深度学习笔记（4）——Sigmoid和Relu激活函数的对比

Relu是一个非常优秀的激活哈数，相比较于传统的Sigmoid函数，有三个作用：
1. 防止梯度弥散
2. 稀疏激活性
3. 加快计算
首先我们看下sigmoid和relu的曲线

然后可以得到sigmoid的导数

以及relu的导数

结论就是sigmoid的导数只有在0附近的时候有比较好的激活性，在正负饱和区的梯度都接近于0，所以这会造成梯度弥散，而relu函数在大于0的部分梯度为常数，所以不会产生梯度弥散现象。第二，relu函数在负半区的导数为0 ，所以一旦神经元激活值进入负半区，那么梯度就会为0，也就是说这个神经元不会经历训练，即所谓的稀疏性。第三，relu函数的导数计算更快，程序实现就是一个if-else语句，而sigmoid函数要进行浮点四则运算。综上，relu是一个非常优秀的激活函数，鄙人的最爱

本博客搬自我在知乎上的回答https://www.zhihu.com/question/52020211/answer/152378276