深度学习基础：激活函数以及什么时候使用它们？

（点击上方公众号，可快速关注）

翻译：数据派THU-王紫岳，作者：Dishashree Gupta

摘要

• 激活函数是神经网络的组成部分之一。

• 学习深度学习中不同的激活函数。

• 在python中编写激活函数并在实时编码窗口中将结果可视化。

本文最初发表于2017年10月，并于2020年1月进行了更新，增加了三个新的激活函数和python代码。

引言

今天，因特网提供了获取大量信息的途径。无论我们需要什么，只需要谷歌搜索一下即可。然而，当我们获取了这么多的信息时，我们又面临着如何区分相关和无关的信息的挑战。

当我们的大脑被同时灌输大量信息时，它会努力去理解这些信息并将其分为“有用的”和“不那么有用的”。对于神经网络而言，我们需要类似的机制来将输入的信息分为“有用的”或“不太有用的”。

这是网络学习的重要方式，因为并不是所有的信息都同样有用。它们中的一些仅仅是噪音，而这就是激活函数的用武之地了。激活函数帮助神经网络使用重要信息，并抑制不相关的数据点。

接下来让我们来看看这些激活函数，了解它们是如何工作的，并找出哪些激活函数适合于什么样的问题情景。

目录

1. 神经网络概述

2. 我们可以不使用激活函数么？

3. 常用的激活函数以及什么时候使用他们

• Binary Step（二元阶跃）
• Linear（线性）
• Sigmoid（S型）
• Tanh（双曲正切）
• ReLU（线性整流单元）
• Leaky ReLU（泄露型线性整流函数）
• Parameterised ReLU（参数化线性整流函数）
• Exponential Linear Unit（指数化线性单元）
• Swish
• Softmax

4. 选择正确的激活函数

1. 神经网络概述

在我深入研究激活函数的细节之前，让我们先快速了解一下神经网络的概念以及它们是如何工作的。神经网络是一种非常强大的模仿人脑学习方式的机器学习机制。

大脑接收外界的刺激，对输入进行处理，然后产生输出。当任务变得复杂时，多个神经元形成一个复杂的网络，相互传递信息。

人工神经网络试图模仿类似的行为。你下面看到的网络是由相互连接的神经元构成的神经网络。每个神经元的特征是其权重、偏置和激活函数。

输入信息被输入到输入层，神经元使用权重和偏差对输入进行线性变换。

x = (weight * input) + bias

之后，对上述结果应用一个激活函数。

最后，激活函数的输出移动到下一个隐藏层，重复相同的过程。这种信息的前向移动称为前向传播。

如果生成的输出与实际值相距甚远怎么办?利用前向传播的输出来计算误差。根据这个误差值，更新神经元的权值和偏差。这个过程称为反向传播。

注:要详细理解正向传播和反向传播，您可以阅读下面的文章：

Understanding and coding neural network from scratch

附链接：https://www.analyticsvidhya.com/blog/2017/05/neural-network-from-scratch-in-python-and-r/

2. 我们可以不使用激活函数么?

我们知道，在正向传播期间，使用激活函数会在每一层引入一个额外的步骤。现在我们的问题是，假如激活函数给神经网络增加了复杂性，我们可以不使用激活函数吗?

想象一个没有激活函数的神经网络。在这种情况下，每个神经元只会利用权重和偏差对输入信息进行线性变换。虽然线性变换使神经网络更简单，但这个网络的功能会变得更弱，并无法从数据中学习复杂的模式。

没有激活函数的神经网络本质上只是一个线性回归模型。

因此，我们对神经元的输入进行非线性变换，而神经网络中的这种非线性是由激活函数引入的。

在下一节中，我们将研究不同类型的激活函数、它们的数学公式、图形表示和python代码。

3. 常用的激活函数以及什么时候使用他们

• 二元阶跃函数

当我们有一个激活函数时，首先想到的是一个基于阈值的分类器，即神经元是否应该根据线性变换的值被激活。

换句话说，如果激活函数的输入大于阈值，则神经元被激活，否则它就会失效，即它的输出不考虑下一个隐含层。让我们从数学的角度来看。

f(x) = 1, x>=0     
= 0, x<0

这是最简单的激活函数，可以用python中的一个if-else判断来实现

def binary_step(x):    
if x<0:        
return 0    
else:        
return 1binary_step(5), binary_step(-1)

输出：

(5,0)

在创建二分类器时，可以将二二元阶跃函数用作激活函数。可以想象，当目标变量中有多个类时，这个函数将会失效。这就是二元阶跃函数的局限性之一。

此外，阶跃函数的梯度为零，在反向传播过程中造成了障碍。也就是说，如果计算f(x)关于x的导数，结果是0。

f'(x) = 0, for all x

反向传播过程中的权重和偏差是通过计算梯度来更新的。因为函数的梯度是零，所以权值和偏差不会更新。

• Linear Function

在上面，我们看到了阶跃函数的问题是函数的梯度变成了0。这是由于在二元阶跃函数中没有x的分量，因此我们可以用线性函数代替二元函数。我们可以把这个函数定义为：

f(x)=ax

这里的活性值（activation）与输入成正比。本例中的变量“a”可以是任何常数值。让我们快速定义python中的函数:

def linear_function(x):
return 4*x linear_function(4), 
linear_function(-2)

输出：

(16, -8)

你认为这种情况下的导数是什么呢?当我们对函数关于x求导时，得到的结果将是x的系数，而这个系数是一个常数。

f'(x) = a

虽然这里的梯度不为零，但它是一个常数，与输入值x无关。这意味着权值和偏差在反向传播过程中会被更新，但更新因子是相同的。

在这种情况下，神经网络并不能真正改善误差，因为每次迭代的梯度是相同的。网络将不能很好地训练和从数据中捕获复杂的模式。因此，线性函数可能是需要高度解释能力的简单任务的理想选择。

• Sigmoid

我们要看的下一个激活函数是Sigmoid函数。它是应用最广泛的非线性激活函数之一。Sigmoid将值转换为0和1之间。这是sigmoid的数学表达式：

f(x) = 1/(1+e^-x)

这里值得注意的一点是，与二元阶跃和线性函数不同，sigmoid是一个非线性函数。

这本质上意味着，当我有多个神经元以sigmoid激活函数作为它们的激活函数时，它们的输出也是非线性的。下面是在python定义函数的python代码：

import numpy as np
def sigmoid_function
(x):    z = (1/(1 + np.exp(-x)))    
return z sigmoid_function(7),sigmoid_function(-22)

输出：

(0.9990889488055994, 2.7894680920908113e-10)

另外，正如你在上图中看到的，这是一个光滑的s型函数，并且是连续可微的。这个函数的导数是(1-sigmoid(x))。让我们来看看它的梯度图。

f'(x) = 1-sigmoid(x)

梯度值在-3和3范围内是显著的，但在其他区域，图形变得更平坦。这意味着对于大于3或小于-3的值，梯度非常小。当梯度值趋近于0时，网络就不是真的在学习。

另外，sigmoid函数不是关于0对称的。所以所有神经元的输出都是相同的符号。这可以通过缩放sigmoid函数来解决，这正是tanh函数所做的。请让我们继续读下去。

• Tanh

tanh函数与sigmoid函数非常相似。唯一不同的是它是关于原点对称的。本例中值的范围是从-1到1。因此，下一层的输入并不总是相同的符号。tanh函数定义为：

tanh(x)=2sigmoid(2x)-1

为了使用python编写代码，让我们简化前面的表达式。

tanh(x) = 2sigmoid(2x)-1
tanh(x) = 2/(1+e^(-2x)) -1

下面是它的python代码:

def tanh_function(x):    
z = (2/(1 + np.exp(-2*x))) -1
return z tanh_function(0.5), 
tanh_function(-1)

输出：

(0.4621171572600098, -0.7615941559557646)

就像你看到的，值的范围是-1到1。除此之外，tanh函数的其他性质都与sigmoid函数相同。与sigmoid相似，tanh函数在所有点上都是连续可微的。

我们来看看tanh函数的梯度。

与sigmoid函数相比，tanh函数的梯度更陡。你可能会好奇，我们如何决定选择哪个激活函数。通常tanh比sigmoid函数更受欢迎，因为它是以0为中心的，而且梯度不受一定方向的限制。

• ReLU

ReLU函数是另一个在深度学习领域得到广泛应用的非线性激活函数。ReLU表示线性整流单元（Rectified Linear Unit）。与其他激活函数相比，使用ReLU函数的主要优点是它不会同时激活所有神经元。

这意味着只有当线性变换的输出小于0时，神经元才会失效。下图将帮助你更好地理解这一点：

f(x)=max(0,x)

对于负的输入值，结果是零，这意味着神经元没有被激活。由于只有一定数量的神经元被激活，ReLU函数的计算效率远高于sigmoid和tanh函数。下面是ReLU的python函数:

def relu_function(x):    
if x<0:        
return 0    
else:        
return x relu_function(7), relu_function(-7)

输出：

(7, 0)

我们来看看ReLU函数的梯度。

f'(x) = 1, x>=0      
= 0, x<0

如果你观察图形的负方向，你会注意到梯度值是零。由于这个原因，在反向传播过程中，一些神经元的权重和偏差没有更新。这可能会产生从未被激活的死亡神经元。这种情况可通过“泄漏”ReLU函数来处理。

• Leaky ReLU

Leaky ReLU函数只是ReLU函数的一个改进版本。如我们所见，对于ReLU函数，当x<0时，梯度为0，这将使该区域的神经元失活。

定义Leaky ReLU是为了解决这个问题。我们不把x的负值定义为0，而是定义为x的一个极小的线性分量，这里给出它的数学定义：

f(x)= 0.01x, x<0    
=   x, x>=0

通过这个小的修改，图形左边的梯度就变成了一个非零值。因此，我们将不再在那个区域遇到死亡的神经元。这是Leaky ReLU函数的导数：

f'(x) = 1, x>=0
     =0.01, x<0

因为Leaky ReLU是ReLU的一个变体，所以python代码可以通过一个小的修改来实现：

def leaky_relu_function(x):   
if x<0:        
return 0.01*x    
else:        
return x leaky_relu_function(7), leaky_relu_function(-7)

输出：

(7, -0.07)

除了Leaky ReLU，还有一些其他的ReLU变体，最流行的是Parameterised ReLU函数和Exponential Liner Unit。

• Parameterised ReLU

这是ReLU的另一个变体，旨在解决轴的左半部分的梯度为零的问题。顾名思义，参数化ReLU引入了一个新参数作为函数负部分的斜率。下面是如何修改ReLU函数以体现包含的斜率参数-

f(x) = x, x>=0    
= ax, x<0

当a的值固定为0.01时，函数就变成了Leaky ReLU函数。然而，对于Parameterised ReLU函数，‘a’也是一个可训练的参数。该网络还学习了' a '的值，以便更快、更优地收敛。

这个函数的导数和Leaky ReLu函数是一样的，除了0.01的值会被替换成a的值。

f'(x) = 1, x>=0       
= a, x<0

当使用Leaky ReLU函数仍然不能解决未激活神经元问题，相关信息无法成功传递到下一层时，我们就可以使用Parameterised ReLU函数。

• Exponential Linear Unit

指数化线性单元(简称ELU)也是线性整流单元(ReLU)的一种变体，它改变了函数负部分的斜率。与Leaky Relu和parametric Relu函数不同，ELU使用了Log曲线来代替直线定义函数的负数部分。它被定义为

f(x) = x,   x>=0    
= a(e^x-1), x<0

让我们在python中定义这个函数：

def elu_function(x, a):    
if x<0:        
return a*(np.exp(x)-1)    
else:        
return x elu_function(5, 0.1),elu_function(-5, 0.1)

输出：

(5, -0.09932620530009145)

ELU函数对于x大于0的值的导数是1，就像所有ReLU变体一样。但对于x<0的值，导数是a.e ^x 。

f'(x) = x,   x>=0    
= a(e^x), x<0

• Swish

Swish是一个不太为人所知的激活函数，它是由谷歌的研究人员发现的。Swish的计算效率与ReLU相当，并且在层次更深的模型上显示出比ReLU更好的性能。swish的值从负无穷到正无穷。函数定义为-

f(x) = x*sigmoid(x)
f(x) = x/(1-e^-x)

正如你所看到的，函数曲线是平滑且在所有点上都是可微的。这在模型优化过程中是有帮助的，也是Swish被认为优于Relu的原因之一。

关于这个函数的一个独特的特征是，swich函数不是单调的。这意味着即使输入值增加，函数值也可能减少。让我们看看swish函数的python代码：

def swish_function(x):    
return x/(1-np.exp(-x)) 
swish_function(-67), swish_function(4)

输出：

(5.349885844610276e-28, 4.074629441455096)

• Softmax

Softmax函数通常被描述为多个sigmoid的组合。我们知道sigmoid返回0到1之间的值，可将函数值视为数据点属于特定类的概率。因此，sigmoid被广泛应用于二分类问题。

softmax函数可用于多类分类问题。这个函数返回属于每个类的数据点的概率。这是相同的数学表达式：

在为一个多类问题构建神经网络时，输出层的神经元数量与目标中的类的数量相同。

例如，如果你有三个类，在输出层会有三个神经元。假设神经元的输出是[1.2,0.9,0.75]。

对这些值应用softmax函数，您将得到以下结果—[0.42,0.31,0.27]。这些值表示这些数据点属于每个类的概率。值得注意的是，所有值的和为1。让我们在python中编码：

def softmax_function(x):    
z = np.exp(x)    
z_ = z/z.sum()    
return z_ 
softmax_function([0.8, 1.2, 3.1])

输出：

softmax_function([1.2 , 0.9 , 0.75])

4.选择正确的激活函数

现在我们已经看到了这么多的激活函数，我们需要一些逻辑/启示来了解在什么情况下应该使用哪个激活函数。好或坏的判断并没有经验法则。

然而，根据问题的性质，我们可以做出更好的选择，使网络更容易、更快地收敛。

• 对于分类器，Sigmoid函数及其组合通常工作得更好。

• 由于有梯度消失的问题，有时会避免使用sigmoid和tanh函数。

• ReLU函数是一种通用的激活函数，目前被广泛使用。

• 如果在我们的网络中遇到神经元未激活的情况，Leaky ReLU函数是最好的选择。

• 始终记住，ReLU函数应该只在隐藏层中使用。

• 根据经验，您可以从使用ReLU函数开始，然后在ReLU不能提供最佳结果的情况下转移到其他激活函数。

项目

现在，是时候冒险尝试一下其他真实的数据集了。那么你准备好接受挑战了吗?通过以下实践问题加速你的深度学习之旅:

l Practice Problem: Identify the Apparels(见下面链接)

https://datahack.analyticsvidhya.com/contest/practice-problem-identify-the-apparels/?utm_source=fundamentals-deep-learning-activation-functions-when-to-use-them&utm_medium=blog

l Practice Problem: Identify the Digits（见下面链接）

https://datahack.analyticsvidhya.com/contest/practice-problem-identify-the-digits/?utm_source=fundamentals-deep-learning-activation-functions-when-to-use-them&utm_medium=blog

结语：在本文中，我讨论了各种类型的激活函数，以及在使用它们时可能遇到的问题类型。我建议你先从ReLU函数开始，并随着你慢慢深入时，探索其他函数。你还可以设计自己的激活函数，为你的神经网络提供一个非线性组件。如果您使用了自己的激活函数并且效果非常好，请与我们分享，我们将很乐意将其纳入列表。

原文链接： 

https://www.analyticsvidhya.com/blog/2020/01/fundamentals-deep-learning-activation-functions-when-to-use-them/

原文标题：

Fundamentals of Deep Learning – Activation Functions and When to Use Them?

推荐阅读  点击标题可跳转

看完本文有收获？请转发分享给更多人

关注「大数据与机器学习文摘」，成为Top 1%

好文章，我在看❤️