pytorch中的relu,sigmiod,tanh等激励函数(激活函数）

你的名字 2021-05-12 11:49 709阅读 0赞

### 什么是激励函数（激活函数）： ###

*  在神经网络中原本输入输出都是线性关系，但现实中，许多的问题是非线性的（比如，房价问题中，房价不可能随着房子面积的增加一直线性增加），这个时候就神经网络的线性输出，再经过激励函数，便使得原本线性的关系变成非线性了，增强了神经网络的性能。

### 常用的激励函数（激活函数）： ###

*  `relu`，`sigmoid`，`tanh`，`softmax`，`softplus`

### torch 实现激励函数（激活函数）： ###

""" 作者：Troublemaker 功能：activation_function 日期：2020/3/20 17:16 脚本：activation function.py """
    import torch
    import torch.nn.functional as F
    from torch.autograd import Variable
    import matplotlib.pyplot as plt  # 为了方便找展示，用了matplotlib
    
    # 生成数据
    tensor_data = torch.linspace(-5, 5, 200)
    variable_data = Variable(tensor_data)
    np_data = variable_data.data.numpy()
    
    # 激活函数 (转为numpy是为了画图)
    relu_function = torch.relu(variable_data).data.numpy()
    sigmoid_function = torch.sigmoid(variable_data).data.numpy()
    tanh_function = torch.tanh(variable_data).data.numpy()
    softplus_function = F.softplus(variable_data).data.numpy()
    
    # 使用matplotlib作图
    plt.figure(1, figsize=(6, 6))
    
    plt.subplot(221)
    plt.plot(np_data, relu_function, c="green", label="relu")
    plt.ylim(-1, 5)
    plt.legend(loc="best")
    
    plt.subplot(222)
    plt.plot(np_data, sigmoid_function, c="green", label="sigmoid")
    plt.ylim(-0.2, 1.2)
    plt.legend(loc="best")
    
    plt.subplot(223)
    plt.plot(np_data, tanh_function, c="green", label="tanh")
    plt.ylim(-1.2, 1.2)
    plt.legend(loc="best")
    
    plt.subplot(224)
    plt.plot(np_data, softplus_function, c="green", label="softplus")
    plt.ylim(-0.2, 6)
    plt.legend(loc="best")
    
    plt.show()

### 效果图： ###

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDkxMjE1OQ_size_16_color_FFFFFF_t_70]

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDkxMjE1OQ_size_16_color_FFFFFF_t_70]: /images/20210511/e70c586294384e17a32465be202d3316.png