吴恩达深度算法学习笔记

本文探讨了sigmoid、tanh和ReLU三种常见神经网络激活函数的应用场景,特别关注深层网络中隐藏单元的数量和层数优化。sigmoid主要限于二分类,tanh适用于广泛情况,而ReLU是最常用的默认选项。讨论了不同场景下的选择原则。
摘要由CSDN通过智能技术生成

以下图所示的神经网络为例,[ m ]表示第层网络中相关结点的数目

2e204e57a2b84be495cee5e93f940516.jpg

 

三个常用激活函数

sigmoid函数

44aba1fb9fcc4c84ab5720cd28648754.jpg

 tanh函数

9a90987a6cd144d080f4bfed6019a24c.jpg

relu函数

6bec51e7451f40569f539aa3065126ba.jpg

 

 sigmoid 函数:除了是一个二分类问题基本不会

 tanh 函数:几乎适合所有的场合

 Relu 函数:最常用的默认函数,不知道用什么函数就用它

 

深层网络隐藏单元数量相对较少,隐藏层数目比较多

2ac74800f1304007b277016962f36293.jpg

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值