一、 什么是激活函数

所谓激活函数（Activation Function），就是在人工神经网络的神经元上运行的函数，负责将神经元的输入映射到输出端。

　　激活函数的主要作用是提供网络的非线性建模能力。如果没有激活函数，那么该网络仅能够表达线性映射，此时即便有再多的隐藏层，其整个网络跟单层神经网络也是等价的。因此也可以认为，只有加入了激活函数之后，深度神经网络才具备了分层的非线性映射学习能力。 那么激活函数应该具有什么样的性质呢？

　　可微性： 当优化方法是基于梯度的时候，这个性质是必须的。 
　　单调性： 当激活函数是单调的时候，单层网络能够保证是凸函数。 
　　输出值的范围： 当激活函数输出值是 有限 的时候，基于梯度的优化方法会更加 稳定，因为特征的表示受有限权值的影响更显著;当激活函数的输出是 无限 的时候，模型的训练会更加高效，不过在这种情况少，一般需要更小的learning rate。

二、 激活函数的作用

　　在生物的神经传导中，神经元接受多个神经的输入电位，当电位超过一定值时，该神经元激活，输出一个变换后的神经电位值。而在神经网络的设计中引入了这一概念，来增强神经网络的非线性能力，更好的模拟自然界。所以激活函数的主要目的是为了引入非线性能力，即输出不是输入的线性组合。

　　假设下图中的隐藏层使用的为线性激活函数（恒等激活函数：a=g(z)），可以看出，当激活函数为线性激活函数时，输出不过是输入特征的线性组合（无论多少层），而不使用神经网络也可以构建这样的线性组合。而当激活函数为非线性激活函数时，通过神经网络的不断加深，可以构建出各种有趣的函数。

 三、 常见激活函数

1、sigmoid函数

　　能将输入值映射到0-1范围内，目前很少用作隐藏层的激活函数，用在二分类中预测最后层输出概率值。函数特点如下

　　优点

1. 它能够把输入的连续实值变换为0和1之间的输出，适合做概率值的处理。
   • 如果是非常大的负数，那么输出就是0
   • 如果是非常大的正数，输出就是1

　　缺点

　　1、梯度消失

　　　　我们从上图可以看出，当x较大或者较小时，sigmoid输出趋近0或1，导数接近0，而后向传递的数学依据是微积分求导的链式法则，当前层的导数需要之前各层导数的乘积，几个小数的相乘，结果会很接近0。Sigmoid导数的最大值是0.25，这意味着导数在每一层至少会被压缩为原来的1/4，通过两层后被变为1/16，…，通过10层后为1/1048576。这种情况就是梯度消失。梯度一旦消失，参数不能沿着loss降低的方向优化，

　　2、不是以零为中心

　　通过Sigmoid函数我们可以知道，Sigmoid的输出值恒大于0，输出不是0均值（既zero-centered），这会导致后一层的神经元将得到上一层输出的非0均值的输入。

　　举例来讲如果x_i恒大于0，那么对其w_i的导数总是正数或总是负数，向传播的过程中w要么都往正方向更新，要么都往负方向更新，导致有一种捆绑的效果，使得收敛缓慢。且可能导致陷入局部最小值。当然了，如果按batch去训练，那么那个batch可能得到不同的信号，所以这个问题还是可以缓解一下的。

 2、 tanh函数

　　Tanh 激活函数又叫作双曲正切激活函数（hyperbolic tangent activation function）。与 Sigmoid 函数类似，但 Tanh 函数将其压缩至-1 到 1 的区间内，输出是zero-centered的（零为中心），在实践中，Tanh 函数的使用优先性高于 Sigmoid 函数。负数输入被当作负值，零输入值的映射接近零，正数输入被当作正值。

　　优点

1. sigmoid的优点他都有，另外 tanh的输出是zero-centered，以0为中心

　　缺点

　　1、特殊情况存在梯度消失问题

　　当输入值过大或者过小，提取趋近于0，失去敏感性，处于饱和状态。

3、 ReLU函数

　相较于sigmoid和tanh函数，计算比较简单，收敛速度较快，是目前主要的激活函数。对比sigmoid类函数主要变化是：

　　1）单侧抑制；

　　2）相对宽阔的兴奋边界；

　　3）稀疏激活性。

　　优点：

1. ReLU的计算量小，收敛速度很快，因为sigmoid和tanh有指数运算
2. 在正区间(x>0)解决了梯度消失问题。图像数据是在(0~255)之间，即便归一化处理值也大于0，但是音频数据有正有负，不适合relu函数

　　缺点：

1. ReLU的输出不是zero-centered
2. RuLU在训练的时候很容易导致神经元“死掉”

死掉：一个非常大的梯度经过一个 ReLU 神经元更新过参数之后，这个神经元再也不会被任何数据激活，相应的权重永远不会更新。有两种原因导致这种情况：

　　1、非常不幸的初始化。

　　2、学习率设置的太高导致在训练过程中参数更新太大

　　解决方法是使用Xavier初始化方法，合理设置学习率，会降低这种情况的发生概率。或使用Adam等自动调节学习率的算法。

补充：ReLU相比sigmoid和tanh的一个缺点是没有对上界设限，在实际使用中,可以设置一个上限,如ReLU6经验函数: f(x)=min(6,max(0,x))

4、 Leaky ReLU（泄露型线性整流函数）

　　LeakyReLU中的斜率a是自定义的，PReLU中的a是通过训练学习得到的，LeakyReLU是为了解决“ReLU死亡”问题的尝试

ReLU 中当 x<0 时，函数值为 0 。而 Leaky ReLU 则是给出一个很小的负数梯度值，比如 0.01 。有些研究者的论文指出这个激活函数表现很不错，但是其效果并不是很稳定

5、PReLU函数

　　Parameterised ReLU（PReLU，参数化线性整流函数），在RReLU中，负值的斜率a_i在训练中是随机的，a_i是可学习的，如果a_i=0，那么 PReLU 退化为ReLU；如果a_i是一个很小的固定值（如a_i = 0.01），则 PReLU 退化为 Leaky ReLU。

　　a_i在之后的测试中就变成了固定的了。RReLU的亮点在于，在训练环节中，aiai是从一个均匀的分布U(I,u)U(I,u)中随机抽取的数值。形式上来说，我们能得到以下数学表达式：

其中a_i∼U(x,y),区间(x,y)上的均匀分布；x,y∈[0,1]a_i∼U(x,y),区间(x,y)上的均匀分布；x,y∈[0,1]

　　优点

　　　　（1）PReLU只增加了极少量的参数，也就意味着网络的计算量以及过拟合的危险性都只增加了一点点。特别的，当不同channels使用相同的a时，参数就更少了。

　　　　（2）BP更新a时，采用的是带动量的更新方式，如下：

 6、 softmax函数

　　softmax用于多分类神经网络输出，如果某一个a_i大过其他z，那这个映射的分量就逼近1，其他就逼近0，主要应用于“分类”。

作用：把神经元中线性部分输出的得分值(score)，转换为概率值。softmax输出的是(归一化)概率，

 含有softmax激活函数的网络层有这样一个性质：

 四、 如何选择激活函数

这个问题目前没有确定的方法，凭一些经验吧。

　　1）深度学习往往需要大量时间来处理大量数据，模型的收敛速度是尤为重要的。所以，总体上来讲，训练深度学习网络尽量使用zero-centered数据 (可以经过数据预处理实现) 和zero-centered输出。所以要尽量选择输出具有zero-centered特点的激活函数以加快模型的收敛速度。

　　2）如果使用 ReLU，那么一定要小心设置 learning rate，而且要注意不要让网络出现很多 “dead” 神经元，如果这个问题不好解决，那么可以试试 Leaky ReLU、PReLU。

　　3）最好不要用 sigmoid，你可以试试 tanh，不过可以预期它的效果会比不上 ReLU 和 Maxout.

 参考文献

• 深度学习中的激活函数

• 激活函数，Batch Normalization和Dropout

• 激活函数–（Sigmoid，tanh，Relu，maxout）

今天的文章激活函数分享到此就结束了，感谢您的阅读，如果确实帮到您，您可以动动手指转发给其他人。