【CV知识点汇总与解析】|激活函数篇

【写在前面】

本系列文章适合Python已经入门、有一定的编程基础的学生或人士，以及人工智能、算法、机器学习求职的学生或人士。系列文章包含了深度学习、机器学习、计算机视觉、特征工程等。相信能够帮助初学者快速入门深度学习，帮助求职者全面了解算法知识点。

1、什么是激活函数？

在神经网络中，一个节点的激活函数(Activation Function)定义了该节点在给定的输入变量或输入集合下的输出。wiki中以计算机芯片电路为例，标准的计算机芯片电路可以看作是根据输入得到开（1）或关（0）输出的数字电路激活函数。激活函数主要用于提升神经网络解决非线性问题的能力。激活函数各式各样，各有优缺点，目前常用的有 ReLU、sigmoid、tanh等。

2、为什么需要激活函数？

当不用激活函数时，神经网络的权重和偏差只会进行线性变换。线性方程很简单，但是解决复杂问题的能力有限。没有激活函数的神经网络实质上就是一个线性回归模型。为了方便理解，以一个简单的例子来说明。考虑如下网络

在不用激活函数的情况下，该图可用如下公式表示

output=w7(input1∗w1+input2∗w2)+w8(input1∗w3+input2∗w4)+w9(input1∗w5+input2∗w6)output =w 7( input 1 * w 1+i n p u t 2 * w 2)+w 8(i n p u t 1 * w 3+i n p u t 2 * w 4)+w 9(i n p u t 1 * w 5+i n p u t 2 * w 6) output=w7(input1∗w1+input2∗w2)+w8(input1∗w3+input2∗w4)+w9(input1∗w5+input2∗w6)

实质就是下面的线性方程：

output=[w1∗w7+w3∗w8+w5∗w9w2∗w7+w4∗w8+w6∗w9]∗[input 1input 2]⟹Y=WXoutput =\left[\begin{array}{c}w 1 * w 7+w 3 * w 8+w 5 * w 9 \\ w 2 * w 7+w 4 * w 8+w 6 * w 9\end{array}\right] *\left[\begin{array}{c}\text { input } 1 \\ \text { input } 2\end{array}\right] \Longrightarrow Y=W X output=[w1∗w7+w3∗w8+w5∗w9w2∗w7+w4∗w8+w6∗w9]∗[ input 1 input 2]⟹Y=WX

若在隐藏层引入激活函数h(y)=max⁡(y,0)h(y)=\max (y, 0)h(y)=max(y,0)，那么原始式子就无法用简单线性方程表示了。

output=w7∗max⁡(input1∗w1+input2∗w2,0)+wB∗max⁡(input1∗w3+input2∗w4,0)+w9∗max⁡(input1∗w5+input2∗w6,0)output =w 7 * \max ( input 1 * w 1+i n p u t 2 * w 2,0)+w B * \max ( input 1 * w 3+i n p u t 2 * w 4,0)+w 9 * \max ( input 1 * w 5+i n p u t 2 * w 6,0) output=w7∗max(input1∗w1+input2∗w2,0)+wB∗max(input1∗w3+input2∗w4,0)+w9∗max(input1∗w5+input2∗w6,0)

3、激活函数的一些特性

非线性(Nonlinear) 当激活函数是非线性的，那么一个两层神经网络也证明是一个通用近似函数通用近似理论。而恒等激活函数则无法满足这一特性，当多层网络的每一层都是恒等激活函数时，该网络实质等同于一个单层网络。

连续可微(Continuously differentiable) 通常情况下，当激活函数连续可微，则可以用基于梯度的优化方法。（也有例外，如ReLU函数虽不是连续可微，使用梯度优化也存在一些问题，如ReLU存在由于梯度过大或学习率过大而导致某个神经元输出小于0，从而使得该神经元输出始终是0，并且无法对与其相连的神经元参数进行更新，相当于该神经元进入了“休眠”状态，但ReLU还是可以使用梯度优化的。）二值阶跃函数在0处不可微，并且在其他地方的导数是零，所以梯度优化方法不适用于该激活函数。

**单调(Monotonic) **当激活函数为单调函数时，单层模型的误差曲面一定是凸面。即对应的误差函数是凸函数，求得的最小值一定是全局最小值。

**一阶导单调(Smooth functions with a monotonic derivative) **通常情况下，这些函数表现更好。

原点近似恒等函数(Approximates identity near the origin) 若激活函数有这一特性，神经网络在随机初始化较小的权重时学习更高效。若激活函数不具备这一特性，初始化权重时必须特别小心。

4、机器学习领域常见的激活函数？

Identity(恒等函数)

描述：一种输入和输出相等的激活函数，比较适合线性问题，如线性回归问题。但不适用于解决非线性问题。

方程式：f(x)=xf(x)=xf(x)=x

一阶导：f′(x)=1f^{\prime}(x)=1f′(x)=1

图形：

Binary step(单位阶跃函数)

描述： step与神经元激活的含义最贴近，指当刺激超过阈值时才会激发。但是由于该函数的梯度始终为0，不能作为深度网络的激活函数

方程式：f(x)={0for x<01for x≥0f(x)=\left\{\begin{array}{ll}0 & \text { for } x<0 \\ 1 & \text { for } x \geq 0\end{array}\right.f(x)={01 for x<0 for x≥0

一阶导：f′(x)={0for x≠0?for x=0f^{\prime}(x)=\left\{\begin{array}{ll}0 & \text { for } x \neq 0 \\ ? & \text { for } x=0\end{array}\right.f′(x)={0? for x=0 for x=0

图形：

Sigmoid(S函数又称Logistic逻辑函数)

描述：使用很广的一类激活函数，具有指数函数形状，在物理意义上最接近生物神经元。并且值域在(0,1)之间，可以作为概率表示。该函数也通常用于对输入的归一化，如Sigmoid交叉熵损失函数。Sigmoid激活函数具有梯度消失和饱和的问题，一般来说，sigmoid网络在5层之内就会产生梯度消失现象。

方程式：f(x)=σ(x)=11+e−xf(x)=\sigma(x)=\frac{1}{1+e^{-x}}f(x)=σ(x)=1+e−x1

一阶导：f′(x)=f(x)(1−f(x))f^{\prime}(x)=f(x)(1-f(x))f′(x)=f(x)(1−f(x))

图形：

TanH(双曲正切函数)

描述： TanH与Sigmoid函数类似，在输入很大或很小时，输出几乎平滑，梯度很小，不利于权重更新，容易出现梯度消失和饱和的问题。不过TanH函数值域在(-1,1)之间，以0为中心反对称，且原点近似恒等，这些点是加分项。一般二分类问题中，隐藏层用tanh函数，输出层用sigmod函数。

方程式：f(x)=tanh⁡(x)=(ex−e−x)(ex+e−x)f(x)=\tanh (x)=\frac{\left(e^{x}-e^{-x}\right)}{\left(e^{x}+e^{-x}\right)}f(x)=tanh(x)=(ex+e−x)(ex−e−x)

一阶导：f′(x)=1−f(x)2f^{\prime}(x)=1-f(x)^{2}f′(x)=1−f(x)2

图形：

ArcTan(反正切函数)

描述： ArcTen从图形上看类似TanH函数，只是比TanH平缓，值域更大。从一阶导看出导数趋于零的速度比较慢，因此训练比较快。

方程式：f(x)=tan⁡−1(x)f(x)=\tan ^{-1}(x)f(x)=tan−1(x)

一阶导：f′(x)=1x2+1f^{\prime}(x)=\frac{1}{x^{2}+1}f′(x)=x2+11

图形：

Softsign函数

描述： Softsign从图形上看也类似TanH函数，以0为中心反对称，训练比较快。

方程式：f(x)=x1+∥x∥f(x)=\frac{x}{1+\|x\|}f(x)=1+∥x∥x

一阶导：f′(x)=1(1+∥x∥)2f^{\prime}(x)=\frac{1}{(1+\|x\|)^{2}}f′(x)=(1+∥x∥)21

图形：

Rectified linear unit(线性整流函数,ReLU)

描述：比较流行的激活函数，该函数保留了类似step那样的生物学神经元机制，即高于0才激活，不过因在0以下的导数都是0，可能会引起学习缓慢甚至神经元死亡的情况。

方程式：f(x)={0for x≤0xfor x>0f(x)=\left\{\begin{array}{ll}0 & \text { for } x \leq 0 \\ x & \text { for } x>0\end{array}\right.f(x)={0x for x≤0 for x>0

一阶导：f′(x)={0for x≤01for x>0f^{\prime}(x)=\left\{\begin{array}{ll}0 & \text { for } x \leq 0 \\ 1 & \text { for } x>0\end{array}\right.f′(x)={01 for x≤0 for x>0

图形：

Leaky rectified linear unit(带泄露随机线性整流函数,Leaky ReLU)

描述： relu的一个变化，即在小于0部分不等于0，而是加一个很小的不为零的斜率，减少神经元死亡带来的影响。

方程式：f(x)={0.01xfor x<0xfor x≥0f(x)=\left\{\begin{array}{ll}0.01 x & \text { for } x<0 \\ x & \text { for } x \geq 0\end{array}\right.f(x)={0.01xx for x<0 for x≥0

一阶导：f′(x)={0.01for x<01for x≥0f^{\prime}(x)=\left\{\begin{array}{ll}0.01 & \text { for } x<0 \\ 1 & \text { for } x \geq 0\end{array}\right.f′(x)={0.011 for x<0 for x≥0

图形：

Parameteric rectified linear unit(参数化线性整流函数,PReLU)

描述：也是ReLU的一个变化，与Leaky ReLU类似，只不过PReLU将小于零部分的斜率换成了可变参数α。这种变化使值域会依据α不同而不同。

方程式：f(α,x)={αxfor x<0xfor x⩾0f(\alpha, x)=\left\{\begin{array}{ll}\alpha x & \text { for } x<0 \\ x & \text { for } x \geqslant 0\end{array}\right.f(α,x)={αxx for x<0 for x⩾0

一阶导：f′(α,x)={αfor x<01for x≥0f^{\prime}(\alpha, x)=\left\{\begin{array}{ll}\alpha & \text { for } x<0 \\ 1 & \text { for } x \geq 0\end{array}\right.f′(α,x)={α1 for x<0 for x≥0

图形：

Randomized leaky rectified linear unit(带泄露随机线性整流函数,RReLU)

描述：在PReLU基础上将α变成了随机数。

方程式：f(α,x)={αxfor x<0xfor x⩾0f(\alpha, x)=\left\{\begin{array}{ll}\alpha x & \text { for } x<0 \\ x & \text { for } x \geqslant 0\end{array}\right.f(α,x)={αxx for x<0 for x⩾0

图形：

Exponential linear unit(指数线性函数,ELU)

描述： ELU小于零的部分采用了负指数形式，相较于ReLU权重可以有负值，并且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

方程式：f(α,x)={α(ex−1)for x≤0xfor x>0f(\alpha, x)=\left\{\begin{array}{ll}\alpha\left(e^{x}-1\right) & \text { for } x \leq 0 \\ x & \text { for } x>0\end{array}\right.f(α,x)={α(ex−1)x for x≤0 for x>0

一阶导：f′(α,x)={f(α,x)+αfor x≤01for x>0f^{\prime}(\alpha, x)=\left\{\begin{array}{ll}f(\alpha, x)+\alpha & \text { for } x \leq 0 \\ 1 & \text { for } x>0\end{array}\right.f′(α,x)={f(α,x)+α1 for x≤0 for x>0

图形：

Scaled exponential linear unit(扩展指数线性函数,SELU)

描述： ELU的一种变化，引入超参λ和α，并给出了相应取值，这些取值在原论文中（Self-Normalizing Neural Networks）详细推导过程

方程式：f(α,x)=λ{α(ex−1)for x<0xfor x≥0f(\alpha, x)=\lambda\left\{\begin{array}{ll}\alpha\left(e^{x}-1\right) & \text { for } x<0 \\ x & \text { for } x \geq 0\end{array}\right.f(α,x)=λ{α(ex−1)x for x<0 for x≥0withλ=1.0507andα=1.67326with \quad \lambda=1.0507 \quad and \quad \alpha=1.67326withλ=1.0507andα=1.67326

一阶导：f′(α,x)=λ{α(ex)for x<01for x≥0f^{\prime}(\alpha, x)=\lambda\left\{\begin{array}{ll}\alpha\left(e^{x}\right) & \text { for } x<0 \\ 1 & \text { for } x \geq 0\end{array}\right.f′(α,x)=λ{α(ex)1 for x<0 for x≥0

图形：

SoftPlus函数

描述：是ReLU的平滑替代，函数在任何地方连续且值域非零，避免了死神经元。不过因不对称且不以零为中心，可以影响网络学习。由于导数必然小于1，所以也存在梯度消失问题。

方程式：

f(x)=ln⁡(1+ex)f(x)=\ln \left(1+e^{x}\right) f(x)=ln(1+ex)

一阶导：

f′(x)=11+e−xf^{\prime}(x)=\frac{1}{1+e^{-x}} f′(x)=1+e−x1

图形：

Bent identity(弯曲恒等函数)

描述：可以理解为identity和ReLU之间的一种折中，不会出现死神经元的问题，不过存在梯度消失和梯度爆炸风险。

方程式：

f(x)=x2+1−12+xf(x)=\frac{\sqrt{x^{2}+1}-1}{2}+x f(x)=2x2+1−1+x

一阶导：

f′(x)=x2x2+1+1f^{\prime}(x)=\frac{x}{2 \sqrt{x^{2}+1}}+1 f′(x)=2x2+1x+1

图形：

Sinusoid(正弦函数)

描述： Sinusoid作为激活函数，为神经网络引入了周期性，且该函数处处联系，以零点对称。

方程式：

f(x)=sin⁡(x)f(x)=\sin (x) f(x)=sin(x)

一阶导：

f′(x)=cos⁡(x)f^{\prime}(x)=\cos (x) f′(x)=cos(x)

图形：

Sinc函数

描述： Sinc函数在信号处理中尤为重要，因为它表征了矩形函数的傅立叶变换。作为激活函数，它的优势在于处处可微和对称的特性，不过容易产生梯度消失的问题。

方程式：

f(x)={1for x=0sin⁡(x)xfor x≠0f(x)=\left\{\begin{array}{ll}1 & \text { for } x=0 \\ \frac{\sin (x)}{x} & \text { for } x \neq 0\end{array}\right. f(x)={1xsin(x) for x=0 for x=0

一阶导：

f′(x)={0for x=0cos⁡(x)x−sin⁡(x)x2for x≠0f^{\prime}(x)=\left\{\begin{array}{ll}0 & \text { for } x=0 \\ \frac{\cos (x)}{x}-\frac{\sin (x)}{x^{2}} & \text { for } x \neq 0\end{array}\right. f′(x)={0xcos(x)−x2sin(x) for x=0 for x=0

图形：

Gaussian(高斯函数)

描述：高斯激活函数不常用。

方程式：

f(x)=e−x2f(x)=e^{-x^{2}} f(x)=e−x2

一阶导：

f′(x)=−2xe−x2f^{\prime}(x)=-2 x e^{-x^{2}} f′(x)=−2xe−x2

图形：

Hard Sigmoid(分段近似Sigmoid函数)

描述：是Sigmoid函数的分段线性近似，更容易计算，不过存在梯度消失和神经元死亡的问题
方程式：

f(x)={0for x<−2.50.2x+0.5for −2.5≥x≤2.51for x>2.5f(x)=\left\{\begin{array}{ll}0 & \text { for } x<-2.5 \\ 0.2 x+0.5 & \text { for }-2.5 \geq x \leq 2.5 \\ 1 & \text { for } x>2.5\end{array}\right. f(x)=⎩⎨⎧00.2x+0.51 for x<−2.5 for −2.5≥x≤2.5 for x>2.5

一阶导：

f′(x)={0for x<−2.50.2for −2.5≥x≤2.50for x>2.5f^{\prime}(x)=\left\{\begin{array}{ll}0 & \text { for } x<-2.5 \\ 0.2 & \text { for }-2.5 \geq x \leq 2.5 \\ 0 & \text { for } x>2.5\end{array}\right. f′(x)=⎩⎨⎧00.20 for x<−2.5 for −2.5≥x≤2.5 for x>2.5

图形：

Hard Tanh(分段近似Tanh函数)

描述： Tanh激活函数的分段线性近似。

方程式：

f(x)={−1for x<−1xfor −1≥x≤11for x>1f(x)=\left\{\begin{array}{ll}-1 & \text { for } x<-1 \\ x & \text { for }-1 \geq x \leq 1 \\ 1 & \text { for } x>1\end{array}\right. f(x)=⎩⎨⎧−1x1 for x<−1 for −1≥x≤1 for x>1

一阶导：

f′(x)={0for x<−11for −1≥x≤10for x>1f^{\prime}(x)=\left\{\begin{array}{ll}0 & \text { for } x<-1 \\ 1 & \text { for }-1 \geq x \leq 1 \\ 0 & \text { for } x>1\end{array}\right. f′(x)=⎩⎨⎧010 for x<−1 for −1≥x≤1 for x>1

图形：

LeCun Tanh(也称Scaled Tanh,按比例缩放的Tanh函数)

描述： Tanh的缩放版本

方程式：

f(x)=1.7519tanh⁡(23x)f(x)=1.7519 \tanh \left(\frac{2}{3} x\right) f(x)=1.7519tanh(32x)

一阶导：

f′(x)=1.7519∗23(1−tanh⁡2(23x))=1.7519∗23−23∗1.7519f(x)2\begin{aligned} f^{\prime}(x) &=1.7519 * \frac{2}{3}\left(1-\tanh ^{2}\left(\frac{2}{3} x\right)\right) \\ &=1.7519 * \frac{2}{3}-\frac{2}{3 * 1.7519} f(x)^{2} \end{aligned} f′(x)=1.7519∗32(1−tanh2(32x))=1.7519∗32−3∗1.75192f(x)2

图形：

Symmetrical Sigmoid(对称Sigmoid函数)

描述：是Tanh的一种替代方法，比Tanh形状更扁平，导数更小，下降更缓慢。

方程式：

f(x)=tanh⁡(x/2)=1−e−x1+e−x\begin{aligned} f(x) &=\tanh (x / 2) \\ &=\frac{1-e^{-x}}{1+e^{-x}} \end{aligned} f(x)=tanh(x/2)=1+e−x1−e−x

一阶导：

f′(x)=0.5(1−tanh⁡2(x/2))=0.5(1−f(x)2)\begin{aligned} f^{\prime}(x) &=0.5\left(1-\tanh ^{2}(x / 2)\right) \\ &=0.5\left(1-f(x)^{2}\right) \end{aligned} f′(x)=0.5(1−tanh2(x/2))=0.5(1−f(x)2)

图形：

Complementary Log Log函数

描述：是Sigmoid的一种替代，相较于Sigmoid更饱和。

方程式：

f(x)=1−e−exf(x)=1-e^{-e^{x}} f(x)=1−e−ex

一阶导：

f′(x)=ex(e−ex)=ex−exf^{\prime}(x)=e^{x}\left(e^{-e^{x}}\right)=e^{x-e^{x}} f′(x)=ex(e−ex)=ex−ex

图形：

Absolute(绝对值函数)

描述：导数只有两个值。

方程式：

f(x)=∣x∣f(x)=|x| f(x)=∣x∣

一阶导：

f′(x)={−1for x<01for x>0?for x=0f^{\prime}(x)=\left\{\begin{array}{ll}-1 & \text { for } x<0 \\ 1 & \text { for } x>0 \\ ? & \text { for } x=0\end{array}\right. f′(x)=⎩⎨⎧−11? for x<0 for x>0 for x=0

图形：

5、transformer FFN层用的激活函数是什么？为什么？

ReLU。ReLU的优点是收敛速度快、不会出现梯度消失or爆炸的问题、计算复杂度低。

6、 Bert、GPT、GPT2中用的激活函数是什么？为什么？

Bert、GPT、GPT2、RoBERTa、ALBERT都是用的Gelu。

GELU⁡(x)=xP(X≤x)=xΦ(x)\operatorname{GELU}(x)=x P(X \leq x)=x \Phi(x) GELU(x)=xP(X≤x)=xΦ(x)

直观理解：x做为神经元的输入，P(X<=x)越大，x就越有可能被保留；否则越小，激活函数输出就趋近于0.

7、如何选择激活函数

用于分类器时，二分类为Sigmoid，多分类为Softmax，这两类一般用于输出层；
对于长序列的问题，隐藏层中尽量避免使用Sigmoid和Tanh，会造成梯度消失的问题；
Relu在Gelu出现之前在大多数情况下比较通用，但也只能在隐层中使用；
现在2022年了，隐藏层中主要的选择肯定优先是Gelu、Swish了。

8、ReLU的优缺点？

优点：

从计算的角度上，Sigmoid和Tanh激活函数均需要计算指数，复杂度高，而ReLU输入一个数值即可得到激活值；
ReLU函数被认为有生物上的解释性，比如单侧抑制、宽兴奋边界（即兴奋程度也可以非常高）人脑中在同一时刻大概只有1 ∼ 4%的神经元处于活跃状态，所以单侧抑制提供了网络的稀疏表达能力，宽激活边界则能有效解决梯度消失等问题。

缺点：

ReLU和Sigmoid一样，每次输出都会给后一层的神经网络引入偏置偏移，会影响梯度下降的效率。
ReLU神经元死亡的问题，不正常的一次参数更新，可能是使得激活项为0，以后的梯度更新也为0，神经元死亡。

【项目推荐】

面向小白的顶会论文核心代码库：https://github.com/xmu-xiaoma666/External-Attention-pytorch

面向小白的YOLO目标检测库：https://github.com/iscyy/yoloair

面向小白的顶刊顶会的论文解析：https://github.com/xmu-xiaoma666/FightingCV-Paper-Reading

参考：

https://www.jianshu.com/p/466e54432bac

https://zhuanlan.zhihu.com/p/354013996

https://blog.csdn.net/qq_22795223/article/details/106184310