您好,登錄后才能下訂單哦!
神經(jīng)網(wǎng)絡(luò)只是由兩個(gè)或多個(gè)線性網(wǎng)絡(luò)層疊加,并不能學(xué)到新的東西,簡(jiǎn)單地堆疊網(wǎng)絡(luò)層,不經(jīng)過非線性激活函數(shù)激活,學(xué)到的仍然是線性關(guān)系。
但是加入激活函數(shù)可以學(xué)到非線性的關(guān)系,就具有更強(qiáng)的能力去進(jìn)行特征提取。
構(gòu)造數(shù)據(jù)
import torch import torch.nn.functional as F from torch.autograd import Variable import matplotlib.pyplot as plt x = torch.linspace(-5, 5, 200) # 構(gòu)造一段連續(xù)的數(shù)據(jù) x = Variable(x) # 轉(zhuǎn)換成張量 x_np = x.data.numpy() # 換成 numpy array, 出圖時(shí)用
Relu
表達(dá)式:
代碼:
y_relu = F.relu(x).data.numpy() plt.plot(x_np, y_relu, c='red', label='relu') plt.ylim((-1, 5)) plt.legend(loc='best') plt.show()
形狀如圖:
Sigmoid
表達(dá)式:
代碼:
y_sigmoid = F.sigmoid(x).data.numpy() plt.plot(x_np, y_sigmoid, c='red', label='sigmoid') plt.ylim((-0.2, 1.2)) plt.legend(loc='best') plt.show()
形狀如圖:
Tanh
表達(dá)式:
代碼:
y_tanh = F.tanh(x).data.numpy() plt.plot(x_np, y_tanh, c='red', label='tanh') plt.ylim((-1.2, 1.2)) plt.legend(loc='best') plt.show()
形狀如圖:
Softplus
表達(dá)式:
代碼:
y_softplus = F.softplus(x).data.numpy() plt.plot(x_np, y_softplus, c='red', label='softplus') plt.ylim((-0.2, 6)) plt.legend(loc='best') plt.show()
形狀如圖:
以上就是本文的全部?jī)?nèi)容,希望對(duì)大家的學(xué)習(xí)有所幫助,也希望大家多多支持億速云。
免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng),如果涉及侵權(quán)請(qǐng)聯(lián)系站長(zhǎng)郵箱:is@yisu.com進(jìn)行舉報(bào),并提供相關(guān)證據(jù),一經(jīng)查實(shí),將立刻刪除涉嫌侵權(quán)內(nèi)容。