tensorflow中Relu激活函数

yunfeather

于 2020-05-24 22:54:53 发布

阅读量2.3k

点赞数 1

CC 4.0 BY-SA版权

分类专栏： tensorflow 文章标签：神经网络深度学习 tensorflow python 机器学习

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.youkuaiyun.com/yunfeather/article/details/106320234

tensorflow 专栏收录该内容

32 篇文章

订阅专栏

本文深入解析了TensorFlow中ReLU激活函数的特点与应用。ReLU通过解决梯度消失问题，加速神经网络训练过程，提供稀疏表达能力，但也有输出非0均值及神经元死亡等缺点。文章探讨了如何通过改进初始化和调整学习率来优化ReLU的表现。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

tensorflow中Relu激活函数

引用API：tensorflow.nn.relu(x)

初学者建议选择Relu激活函数

Relu激活函数

$f(x)=max(0,x)=\left\{\begin{matrix} 0&x<0 \\ x& x>=0 \end{matrix}\right.$

Relu激活函数是一个分段函数，只需要考虑值是否大于0，收敛速度大于sigmod激活函数和tanh激活函数

优点：解决了梯度消失问题，值都在正区间内

只需判断输入是否大于0，速度快

提供了神经网络的稀疏表达能力

缺点：输出非0均值，收敛慢

由于小于0的不去计算，造成一部分神经元死亡，永远不会被激活，导致

相应的参数不会被更新

最好是改进随机初始化，减小学习率，避免过多的负数特征送入Relu函数

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。