pytorch学习-激活函数

最新推荐文章于 2025-06-18 00:15:30 发布

原创最新推荐文章于 2025-06-18 00:15:30 发布 · 393 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#深度学习

pytorch 专栏收录该内容

11 篇文章

订阅专栏

本文通过使用PyTorch演示了常见的激活函数如ReLU、Sigmoid、Tanh及Softplus等的效果，并对比了它们之间的差异。

PyTorch 2.8

PyTorch

Cuda

PyTorch 是一个开源的 Python 机器学习库，基于 Torch 库，底层由 C++ 实现，应用于人工智能领域，如计算机视觉和自然语言处理

激活函数(Activation Function)

一句话概括 Activation: 就是让神经网络可以描述非线性问题的步骤.
Torch 中的激励函数有很多, 不过我们平时要用到的就这几个. relu, sigmoid, tanh, softplus,下面就使用torch来看看这些激活函数.

import torch
import torch.nn.functional as F     # 激活函数存放工具包
from torch.autograd import Variable
import matplotlib.pyplot as plt

# 做一些假数据来观看图像
x = torch.linspace(-5, 5, 200)  # x data (tensor), shape=(100, 1)
x = Variable(x)

# 几种常用的 激励函数
y_relu = F.relu(x).data.numpy()
y_sigmoid = F.sigmoid(x).data.numpy()
y_tanh = F.tanh(x).data.numpy()
y_softplus = F.softplus(x).data.numpy()
# y_softmax = F.softmax(x)  softmax 比较特殊, 不能直接显示, 不过他是关于概率的, 用于分类

x_np = x.data.numpy()   # 换成 numpy array, 作图时使用
plt.figure(1, figsize=(8, 6))
plt.subplot(221)
plt.plot(x_np, y_relu, c='red', label='relu')
plt.ylim((-1, 5))
plt.legend(loc='best')

plt.subplot(222)
plt.plot(x_np, y_sigmoid, c='red', label='sigmoid')
plt.ylim((-0.2, 1.2))
plt.legend(loc='best')

plt.subplot(223)
plt.plot(x_np, y_tanh, c='red', label='tanh')
plt.ylim((-1.2, 1.2))
plt.legend(loc='best')

plt.subplot(224)
plt.plot(x_np, y_softplus, c='red', label='softplus')
plt.ylim((-0.2, 6))
plt.legend(loc='best')

plt.show()