吴恩达深度学习笔记(20)-激活函数的导数和神经网络的梯度下降

激活函数的导数（Derivatives of activation functions）

在神经网络中使用反向传播的时候，你真的需要计算激活函数的斜率或者导数。

针对以下四种激活，求其导数如下：

1）sigmoid activation function

其具体的求导如下（如果你学过微积分，那么这个求导对于你来说其实并不难）：

公式1：

注：

当z = 10或z=-10 d/dz g(z)≈0

当z= 0 d/dz g(z)=g(z)(1-g(z))=1/4

在神经网络中

a=g(z);

g(z)’=d/dz g(z)=a(1-a)

2) Tanh activation function