标签：idt 预测 style 效率 除了 mmm png auto 均值
1.tanh函数比sigmoid效果更好，它的区间是[-1,1]，所以均值为0，有类似于让数据中心化的效果。
//此时Ng说，tanh函数几乎在所有场合都更优越。
2.但是如果yhat是二分类，是{0,1}，此时使用在[0,1]区间的激活函数更好，所以对于二分类在隐层中使用tanh，输出用sigmoid。
3.不同层的激活函数可以不同。
4.对于tanh和siogmoid最大的问题就是当z较大时，梯度变化非常小，斜率接近于0，所以就出现了ReLU线性修正单元a=max(0,z)，
5.对于ReLU，在x=0时这一点的导数是0.000..非常小，这个函数是不可微的， 通常使用的比较多。
6.ReLU和带泄露的ReLU来说，因为对于z，其斜率离0差很远，能使NN训练更快，没有斜率接近0时学习效率减慢的现象。
常用激活函数：
1.对于sigmoid，除了二分类时就不要用。很少用。
2.tanh函数使用多，效果好。
3.ReLU使用多效果好，
4.带泄露的ReLU，通常a=max(0.01z,z)，关于0.01的选取emmm
如果使用恒等的激活函数，也就是没有激活函数，两个线性函数结合依旧是线性函数，无法进行更深层次的计算，得不到更有趣的函数。
举了预测房价的例子：可以在隐藏层使用ReLU，或LeakyR，唯一可以使用线性激活函数的地方通常是输出层。
//计算过程：如果是恒等，那么实际上最后也是线性关系。
介绍了sigmoid\tanh\ReLU的导数，比较简单的。
4.
标签：idt 预测 style 效率 除了 mmm png auto 均值
原文地址：https://www.cnblogs.com/BlueBlueSea/p/10430245.html
