神经网络基础部件-激活函数详解-六虎

本文剖析了激活函数关于神经网络的必要性，同时讲解了几种常见的激活函数的原理，并给出相关公式、代码和示例图。

一，激活函数概述

1.1，前语

人工神经元(Artificial Neuron)，简称神经元(Neuron)，是构成神经网络的根本单元，其主要是模拟生物神经元的结构和特性，接纳一组输入信号并产生输出。生物神经元与人工神经元的比照图如下所示。

从机器学习的视点来看，神经网络其实便是一个非线性模型，其根本组成单元为具有非线性激活函数的神经元，经过大量神经元之间的连接，使得多层神经网络成为一种高度非线性的模型。神经元之间的连接权重便是需求学习的参数，其能够在机器学习的结构下经过梯度下降方法来进行学习。

深度学习一般指的是深度神经网络模型，泛指网络层数在三层或许三层以上的神经网络结构。

1.2，激活函数界说

激活函数（也称“非线性映射函数”），是深度卷积神经网络模型中必不行少的网络层。

假定一个神经元接纳 $D$ 个输入 $x_1, x_2,⋯, x_D$ ，令向量 $x = [x_1;x_2;⋯;x_]$ 来表明这组输入，并用净输入(Net Input) $\in \mathbb{R}$ 表明一个神经元所取得的输入信号 $x$ 的加权和:

\sum_{d=1}^{D} w_{d}x_{d} + b = w^\top x + b

其间 $[w_1;w_2;⋯;w_]\in \mathbb{R}^D$ 是 $D$ 维的权重矩阵， $\in \mathbb{R}$ 是偏置向量。

以上公式其实便是带有偏置项的线性改换（类似于放射改换），本质上仍是属于线形模型。为了转换成非线性模型，咱们在净输入 $z$ 后添加一个非线性函数 $f$ （即激活函数）。

$a = f (z)$

由此，典型的神经元结构如下所示:

1.3，激活函数性质

为了增强网络的表明能力和学习能力，激活函数需求具有以下几点性质:

接连并可导(允许少数点上不行导)的非线性函数。可导的激活函数能够直接使用数值优化的方法来学习网络参数。
激活函数及其导函数要尽可能的简略，有利于进步网络核算功率。
激活函数的导函数的值域要在一个适宜的区间内，不能太大也不能太小，否则会影响练习的功率和稳定性.

二，Sigmoid 型函数（揉捏型激活函数）

Sigmoid 型函数是指一类 S 型曲线函数，为两头饱满函数。常用的 Sigmoid 型函数有 Logistic 函数和 Tanh 函数。

相关数学知识: 关于函数 $f (x)$ ，若 $\to −\infty$ 时，其导数 $f′→0{f}’\to 0$ ，则称其为左饱满。若 $\to +\infty$ 时，其导数 $f′→0{f}’\to 0$ ，则称其为右饱满。当同时满意左、右饱满时，就称为两头饱满。

2.1，Logistic(sigmoid)函数

关于一个界说域在 $R\mathbb{R}$ 中的输入，sigmoid 函数将输入改换为区间 (0, 1) 上的输出。因此，sigmoid 通常称为揉捏函数(squashing function): 它将规模 (-inf, inf) 中的任意输入压缩到区间 (0, 1) 中的某个值:

(x)=11+exp(−x)\sigma(x) = \frac{1}{1 + exp(-x)}

sigmoid 函数常记作 $(x)\sigma(x)$ 。它的导数公式如下所示:

ddxsigmoid(x)=exp(−x)(1+exp(−x))2=sigmoid(x)(1−sigmoid(x))\frac{\mathrm{d} }{\mathrm{d} x}\text{sigmoid}(x) = \frac{exp(-x)}{(1+exp(-x))^2} = \text{sigmoid}(x)(1 – \text{sigmoid}(x))

sigmoid 函数及其导数曲线如下所示:

留意，当输入为 0 时，sigmoid 函数的导数达到最大值 0.25; 而输入在任一方向上越远离 0 点时，导数越挨近 0。

现在 sigmoid 函数在躲藏层中现已较少使用，原因是 sigmoid 的软饱满性，使得深度神经网络在曩昔的二三十年里一直难以有效的练习，现在其被更简略、更简略练习的 ReLU 等激活函数所替代。

当咱们想要输出二分类或多分类、多标签问题的概率时，sigmoid 可用作模型最终一层的激活函数。下表总结了常见问题类型的最终一层激活和丢失函数。

问题类型	最终一层激活	丢失函数
二分类问题（binary）	`sigmoid`	`sigmoid + nn.BCELoss`(): 模型最终一层需求经过 `torch.sigmoid` 函数
多分类、单标签问题（Multiclass）	`softmax`	`nn.CrossEntropyLoss()`: 无需手动做 `softmax`
多分类、多标签问题（Multilabel）	`sigmoid`	`sigmoid + nn.BCELoss()`: 模型最终一层需求经过 `sigmoid` 函数

nn.BCEWithLogitsLoss() 函数等效于 sigmoid + nn.BCELoss。

2.2，Tanh 函数

Tanh（双曲正切）函数也是一种 Sigmoid 型函数，能够看作放大并平移的 Sigmoid 函数，公式如下所示：

tanh(x)=2(2x)−1=21+e−2x−1\text{tanh}(x) = 2\sigma(2x) – 1 = \frac{2}{1 + e^{-2x}} – 1

使用根本导数公式，可得 Tanh 函数的导数公式（推导进程省掉）:

ddxtanh(x)=1−tanh2(x)\frac{\mathrm{d} }{\mathrm{d} x} \text{tanh}(x) = 1 – \text{tanh}^{2}(x)

Logistic 和 Tanh 两种激活函数的实现及可视化代码（仿制可直接运行）如下所示:

# example plot for the sigmoid activation function
import numpy as np
from matplotlib import pyplot
import matplotlib.pyplot as plt
# sigmoid activation function
def sigmoid(x):
    """1.0 / (1.0 + exp(-x))
    """
    return 1.0 / (1.0 + np.exp(-x))
def tanh(x):
    """2 * sigmoid(2*x) - 1
    (e^x – e^-x) / (e^x + e^-x)
    """
    # return (exp(x) - exp(-x)) / (exp(x) + exp(-x))
    return 2 * sigmoid(2*x) - 1
def relu(x):
    return max(0.0, x)
def gradient_relu(x):
    """1 * (x > 0)"""
    if x < 0.0:
        return 0
    else:
        return 1
def gradient_sigmoid(x):
    """sigmoid(x)(1−sigmoid(x))
    """
    a = sigmoid(x)
    b = 1 - a
    return a*b
def gradient_tanh(x):
    return 1 - tanh(x)**2
# 1, define input data
inputs = [x for x in range(-8, 9)]
# 2, calculate outputs
outputs = [sigmoid(x) for x in inputs]
outputs2 = [tanh(x) for x in inputs]
# 3, plot sigmoid and tanh function curve
plt.figure(dpi=100) # dpi 设置
plt.style.use('ggplot') # 主题设置
plt.plot(inputs, outputs, label='sigmoid')
plt.plot(inputs, outputs2, label='tanh')
plt.xlabel("x") # 设置 x 轴标签
plt.ylabel("y")
plt.title('sigmoid and tanh') # 折线图标题
plt.legend()
plt.show()

程序运行后得到的 Sigmoid 和 Tanh 函数曲线。如下图所示:

以上代码的基础上，改下 plt.plot 函数的输入数据，同样可得到 Tanh 函数及其导数曲线图:

能够看出 Sigmoid 和 Tanh 函数在输入很大或是很小的时分，输出都几乎滑润且梯度很小趋近于 0，不利于权重更新；不同的是 Tanh 函数的输出区间是在 (-1,1) 之间，并且整个函数是以 0 为中心的，即他本身是零均值的，也便是说，在前向传达进程中，输入数据的均值并不会发生改变，这就使他在许多应用中效果能比 Sigmoid 优异一些。

Tanh 函数优缺陷总结：

具有 Sigmoid 的一切长处。
exp 指数核算代价大。梯度消失问题仍然存在。

Tanh 函数及其导数曲线如下所示:

Tanh 和 Logistic 函数的导数很类似，都有以下特色:

当输入挨近 0 时，导数挨近最大值 1。
输入在任一方向上越远离0点，导数越挨近0。

三，ReLU 函数及其变体（半线性激活函数）

3.1，ReLU 函数

ReLU(Rectified Linear Unit，修正线性单元)，是现在深度神经网络中最常常使用的激活函数，它保存了类似 step 那样的生物学神经元机制: 输入超过阈值才会激起。公式如下所示:

\left \lbrace \begin{matrix} x & x\geq 0 \\ 0 & x< 0 \end{matrix}\right.

以上公式浅显了解便是，ReLU 函数仅保存正元素并丢掉一切负元素。留意: 尽管在 0 点不能求导，可是并不影响其在以梯度为主的反向传达算法中发挥有效作用。

1，长处:

ReLU 激活函数核算简略；
具有很好的稀少性，大约 50% 的神经元会处于激活状况。
函数在 x > 0 时导数为 1 的性质（左饱满函数），在必定程度上缓解了神经网络的梯度消失问题，加快梯度下降的收敛速度。

相关生物知识: 人脑中在同一时间大概只要 1% ∼ 4% 的神经元处于活泼状况。

2，缺陷:

ReLU 函数的输出是非零中心化的，给后一层的神经网络引入偏置偏移，会影响梯度下降的功率。
ReLU 神经元在练习时比较简略“死亡”。假如神经元参数值在一次不恰当的更新后，其值小于 0，那么这个神经元本身参数的梯度永久都会是 0，在今后的练习进程中永久不能被激活，这种现象被称作“死区”。

ReLU 激活函数的代码界说如下:

# pytorch 结构对应函数： nn.ReLU(inplace=True)
class ReLU(object):
    def func(self, x):
        return np.maximum(x, 0.0)
    def derivative(self, x):
        """简略写法: return x > 0.0"""
        da = np.array([1 if x > 0 else 0 for x in a])
        return da

ReLU 激活函数及其函数梯度图如下所示:

ReLU 激活函数的更多内容，请参阅原论文 Rectified Linear Units Improve Restricted Boltzmann Machines

3.2，Leaky ReLU/PReLU/ELU/Softplus 函数

1，Leaky ReLU 函数: 为了缓解“死区”现象，研究者将 ReLU 函数中 x < 0 的部分调整为 $⋅x\gamma \cdot x$ ，其间 $\gamma$ 常设置为 0.01 或 0.001 数量级的较小正数。这种新式的激活函数被称作带走漏的 ReLU（Leaky ReLU）。

LeakyReLU(x)=max(0,)+min(0,x)={xx≥0⋅xx<0\text{Leaky ReLU}(x) = max(0, ) + \gamma\ min(0, x) = \left \lbrace \begin{matrix} x & x\geq 0 \\ \gamma \cdot x & x< 0 \end{matrix}\right.

概况能够参阅原论文:《Rectifier Nonlinearities Improve Neural Network Acoustic Models》

2，PReLU 函数: 为了处理 Leaky ReLU 中超参数 $\gamma$ 不易设定的问题，有研究者提出了参数化 ReLU(Parametric ReLU，PReLU)。参数化 ReLU 直接将 $\gamma$ 也作为一个网络中可学习的变量融入模型的整体练习进程。关于第 $i$ 个神经元，PReLU 的界说为:

LeakyReLU(x)=max(0,)+imin(0,x)={xx≥0i⋅xx<0\text{Leaky ReLU}(x) = max(0, ) + \gamma_{i}\ min(0, x) = \left\lbrace\begin{matrix} x & x\geq 0 \\ \gamma_{i} \cdot x & x< 0 \end{matrix}\right.

概况能够参阅原论文:《Delving Deep into Rectifiers: Surpassing Human-Level Performance on ImageNet Classification》

3，ELU 函数: 2016 年，Clevert 等人提出的 ELU (Exponential Linear Units) 在小于零的部分采用了负指数形式。ELU 有许多长处，一方面作为非饱满激活函数，它在一切点上都是接连的和可微的，所以不会遇到梯度爆破或消失的问题；另一方面，与其他线性非饱满激活函数（如 ReLU 及其变体）比较，它有着更快的练习时间和更高的准确性。

可是，与 ReLU 及其变体比较，其指数操作也增加了核算量，即模型推理时 ELU 的性能会比 ReLU 及其变体慢。 ELU 界说如下:

LeakyReLU(x)=max(0,)+min(0,(exp(x)−1)={xx≥0(exp(x)−1)x<0\text{Leaky ReLU}(x) = max(0, ) + min(0, \gamma(exp(x) – 1) = \left\lbrace\begin{matrix} x & x\geq 0 \\ \gamma(exp(x) – 1) & x< 0 \end{matrix}\right.

$≥0\gamma ≥ 0$ 是一个超参数，决议 $x \leq 0$ 时的饱满曲线，并调整输出均值在 0 邻近。

概况能够参阅原论文:《Fast and Accurate Deep Network Learning by Exponential Linear Units (ELUs)》

4，Softplus 函数: Softplus 函数其导数刚好是 Logistic 函数.Softplus 函数尽管也具有单侧抑制、宽振奋鸿沟的特性，却没有稀少激活性。Softplus 界说为:

Softplus(x)=log(1+exp(x))\text{Softplus}(x) = log(1 + exp(x))

对 Softplus 有兴趣的能够阅览这篇论文: 《Deep Sparse Rectifier Neural Networks》。

留意: ReLU 函数变体有许多，可是实践模型傍边使用最多的仍是 ReLU 函数本身。

ReLU、Leaky ReLU、ELU 以及 Softplus 函数示意图如下图所示:

四，Swish 函数

Swish 函数[Ramachandran et al., 2017] 是一种自门控(Self-Gated)激活函数，界说为

swish(x)=x(x)\text{swish}(x) = x\sigma(\beta x)

其间 $(⋅)\sigma(\cdot)$ 为 Logistic 函数， $\beta$ 为可学习的参数或一个固定超参数。 $(⋅)∈(0,1)\sigma(\cdot) \in (0, 1)$ 能够看作一种软性的门控机制。当 $(x)\sigma(\beta x)$ 挨近于 1 时，门处于“开”状况，激活函数的输出近似于 $x$ 本身；当 $(x)\sigma(\beta x)$ 挨近于 0 时，门的状况为“关”，激活函数的输出近似于 0。

Swish 函数代码界说如下：

# Swish https://arxiv.org/pdf/1905.02244.pdf
class Swish(nn.Module):  #Swish激活函数
    @staticmethod
    def forward(x, beta = 1): # 此处beta默认定为1
        return x * torch.sigmoid(beta*x)

结合前面的画曲线代码，可得 Swish 函数的示例图：

Swish 函数能够看作线性函数和 ReLU 函数之间的非线性插值函数，其程度由参数 $\beta$ 控制。

五，激活函数总结

常用的激活函数包括 ReLU 函数、sigmoid 函数和 tanh 函数。其标准代码总结如下（Pytorch 结构中会更杂乱）

from math import exp
class Sigmoid(object):
    def func(self, x):
        return 1.0 / (1.0 + np.exp(-x))
    def derivative(self, x):
        return self.func(x) * (1.0 - self.func(x))
class Tanh(object):
    def func(self, x):
        return np.tanh(x)
    def derivative(self, x):
        return 1.0 - self.func(x) ** 2
class ReLU(object):
    def func(self, x):
        return np.maximum(x, 0.0)
    def derivative(self, x):
        return x > 0.0
class LeakyReLU(object):
    def __init__(self, alpha=0.2):
        super().__init__()
        self.alpha = alpha
    def func(self, x):
        return np.array([x if x > 0 else self.alpha * x for x in z])
    def derivative(self, x):
        dx = np.array([1 if x > 0 else self.alpha for x in a])
        return dx
class Softplus(object):
    def func(self, x):
        return np.log(1 + np.exp(z))
    def derivative(self, x):
        return 1.0 / (1.0 + np.exp(-x))

下表汇总比较了几个激活函数的特点:

激活函数的在线可视化移步 Visualising Activation Functions in Neural Networks。

参阅资料

Pytorch分类问题中的交叉熵丢失函数使用
《解析卷积神经网络-第8章》
《神经网络与深度学习-第4章》
How to Choose an Activation Function for Deep Learning
深度学习中的激活函数汇总
Visualising Activation Functions in Neural Networks
AI-EDU: 揉捏型激活函数
github.com/borgwang/ti…

神经网络基础部件-激活函数详解

一，激活函数概述

1.1，前语

1.2，激活函数界说

1.3，激活函数性质

二，Sigmoid 型函数（揉捏型激活函数）

2.1，Logistic(sigmoid)函数

2.2，Tanh 函数

三，ReLU 函数及其变体（半线性激活函数）

3.1，ReLU 函数

3.2，Leaky ReLU/PReLU/ELU/Softplus 函数

四，Swish 函数

五，激活函数总结

参阅资料

相关文章

【Jetpack篇】协程+Retrofit网络请求状态封装实战（2）

Spring校验@RequestParams和@PathVariables参数

Jetpack Compose – LayoutModifier （十二）

云计算必备的基础设施即代码工具集

作者信息