---

因为深度学习模型中其它的层都是线性的函数拟合，即便是用很深的网络去拟合，其还是避免不了线性的特性，无法进行非线性建模，而加入非线性**函数单元，当线性函数的输出层经过非线性**单元的时候，其输出呈现一种非线性的变化，这样经过多层的拟合，就可以完成对输入的非线性建模操作。同时还可以起到一种特征组合的作用。

---

关于本文中的图形绘制请参考我这篇博客：使用python绘制Sigmoid、Tanh、Swish、ELU、SELU、ReLU、Leaky ReLU等**函数（有源码）

---

饱和**函数

• 主要是Sigmoid和tanh函数

Sigmoid函数

观察Sigmoid函数曲线，可以知道其输出分布在【0,1】区间，而且在输入值较大和较小的情况，其输出值变化都会比较小，仅仅当输入值接近为0时，它们才对输入强烈敏感。Sigmod单元的广泛饱和性会使得基于梯度的学习变得非常困难。因为这个原因，现在已经不鼓励将它们作为前馈网络的隐藏单元。

观察Simod导数曲线，呈现一个类似高斯分布的驼峰装，其取值范围在【0,0.25】之间，而我们初始化后的网络权值通常小于1，因此当层数增多时，小于0的值不断相乘，最后就会导致梯度消失的情况出现。而梯度爆炸则是当权值过大，导致其导数大于1，大于1的数不断相乘，发生梯度爆炸。
同时Sigmoid还有其他缺点，如输出不是以0为中心，而是0.5，这样在求解权重的梯度时，梯度总是正或负的，指数计算耗时。

总之不推荐使用sigmoid饱和**函数。

---

tanh函数

不过sigmoid和tanh在RNN（LSTM、注意力机制等）结构上有所应用，作为门控或者概率值。

这里关于tanh为什么比simoid收敛快有一个比较好的说法，引用了以下说法：

梯度消失问题程度
tanh′(x)=1−tanh(x)2∈(0,1)tanh′⁡(x)=1−tanh⁡(x)2∈(0,1)
sigmoid: s′(x)=s(x)×(1−s(x))∈(0,1/4)sigmoid: s′(x)=s(x)×(1−s(x))∈(0,1/4)
可以看出tanh(x)的梯度消失问题比sigmoid要轻.梯度如果过早消失,收敛速度较慢.
以零为中心的影响
如果当前参数(w0,w1)的最佳优化方向是(+d0, -d1),则根据反向传播计算公式,我们希望 x0 和 x1 符号相反。但是如果上一级神经元采用 Sigmoid 函数作为**函数，sigmoid不以0为中心，输出值恒为正，那么我们无法进行最快的参数更新，而是走 Z 字形逼近最优解。

---

非饱和**函数

• Sigmod和tanh都是饱和**函数，即两者在输入值较大或较小的时候对输入值不再那么敏感。
  而以Relu及其变体为代表的一类非饱和**函数在防止梯度消失方面具有无可比拟的优势，现如今基本很少在网络中使用Sigmod等饱和**函数。

Relu（修正线性单元）：

将所有的负值置为0，而其余的值不变。
缺点：一个很大的梯度流过一个Relu神经元，更新过梯度后，那么这个神经元对大部分数据都没有**作用了，因此梯度就是0。会造成神经元的死亡。

---

ELU（指数线性单元）

其将**函数的平均值接近零，从而加快学习的速度。同时，还可以通过正值的标识来避免梯度消失的问题。根据一些研究，ELU的分类 精确度要高于Relu。

• 融合了sigmoid和ReLU，左侧具有软饱和性，右侧无饱和性。

• 右侧线性部分使得ELU能够缓解梯度消失，而左侧软饱能够让ELU对输入变化或噪声更鲁棒。

• ELU的输出均值接近于零，所以收敛速度更快。

• 在 ImageNet上，不加 Batch Normalization 30 层以上的 ReLU
  网络会无法收敛，PReLU网络在MSRA的Fan-in （caffe ）初始化下会发散，而 ELU
  网络在Fan-in/Fan-out下都能收敛。

---

SELU

就是给ELU乘上一个系数，该系数大于1。
在这篇paper Self-Normalizing Neural Networks中，作者提到，SELU可以使得输入在经过一定层数之后变为固定的分布。
以前的ReLU、P-ReLU、ELU等**函数都是在负半轴坡度平缓，这样在**的方差过大时可以让梯度减小，防止了梯度爆炸，但是在正半轴其梯度简答的设置为了1。而SELU的正半轴大于1，在方差过小的时候可以让它增大，但是同时防止了梯度消失。这样**函数就有了一个不动点，网络深了之后每一层的输出都是均值为0，方差为1.

---

Leaky-Relu / R-Relu

Leaky ReLU和ReLU不同的是，ReLU是将所有的负值设为零，而Leaky ReLU是给所有负值赋予一个非零斜率，即用一个负值部分除以大于1的数。(公式中a是大于1的一个常数)

---

P-Relu（参数化修正线性单元）

可以看作是Leaky ReLU的一个变体，不同的是，P-ReLU中的负值部分的斜率是根据数据来定的，即a的值并不是一个常数。

R-Relu（随机纠正线性单元）

R-ReLU也是Leaky ReLU的一个变体，只不过在这里负值部分的斜率在训练的时候是随机的，即在一个范围内随机抽取a的值，不过这个值在测试环节会固定下来。

---

Swish

paper : Searching for Activation Functions
beta是个常数或者可以训练的参数。其具有无上界有下界、平滑、非单调的特性。其在模型效果上优于ReLU。

当β = 0时,Swish变为线性函数f(x)=x2f(x)=x2.
β → ∞, σ(x)=(1+exp(−x))−1σ(x)=(1+exp⁡(−x))−1为0或1. Swish变为ReLU: f(x)=2max(0,x)
所以Swish函数可以看做是介于线性函数与ReLU函数之间的平滑函数.

---

Maxout

paper：Maxout Networks
与常规的**函数不同，Maxout是一个可以学习的分段线性函数。
其可以看做是在深度学习网络中加入了一层**函数层，包含一个参数k，这一层相比ReLU，Sigmoid等，其在于增加了k个神经元，然后输出**值最大的值。
其需要学习的参数就是k个神经元中的权值和偏置，这就相当于常规的**函数一层，而Maxout是两层，而且参数个数增加了K倍。
其可以有效的原理是，任何ReLU及其变体等**函数都可以看成分段的线性函数，而Maxout加入的一层神经元正是一个可以学习参数的分段线性函数。
优点：其拟合能力很强，理论上可以拟合任意的凸函数；
具有ReLU的所有优点，线性和非饱和性；
同时没有ReLU的一些缺点，如神经元的死亡；
缺点：导致整体参数的激增。

下图非自制：

---

关于**函数统一说明

ELU在正半轴取输入x奸情了梯度弥散情况（正半轴导数处处为1），而这一点特性，基本上除了swish其他非饱和**函数都具有这个特性。而只有ReLU在负半轴的输出没有复制，所以ReLU的输出均值一定是大于0的，而当**值的均值非0时，会对下一层造成以bias，也就是下一层的**单元会出现bias shift现象，通过不断的层数叠加，bias shift会变得非常大。而ELU可以让**函数的输出均值尽可能接近0，类似于BN操作，但是计算复杂度更低。而且虽然Leaky ReLU和PReLU等都有负值，但是它们不保证在不**的状态对噪声鲁棒，这里的不**指的是负半轴。而ELU在输入取较小值时具有软饱和的特性，提升了对噪声的鲁棒性。Swish和ELU都是可以取负值，同时在负半轴具有软饱和的性能，提高了对噪声的鲁棒性，SELU效果比ELU效果还要更好。

---

参考链接

ELU**函数的提出
**函数(ReLU, Swish, Maxout)
**函数ReLU、Leaky ReLU、PReLU和RReLU

---

2019.10.30.
希望能帮到你。点赞是对我最大的认可。谢谢。

---