激活函数在神经网络中扮演着至关重要的角色，它们用于引入非线性特性，使神经网络能够学习和适应更复杂的数据模式。本篇列出几个常见的激活函数，目前比较常用的是 ReLU 函数和Leaky ReLU 函数。
1. Sigmoid 函数
PyTorch实现（类）：torch.nn.Sigmoid()
PyTorch实现（函数）：torch.nn.functional.sigmoid()
PyTorch文档：https://pytorch.org/docs/stable/generated/torch.nn.Sigmoid.html
2. Tanh 函数
PyTorch实现（类）：torch.nn.Tanh()
PyTorch实现（函数）：torch.nn.functional.tanh()
PyTorch文档：https://pytorch.org/docs/stable/generated/torch.nn.Tanh.html
3. ReLU 函数
全称：Rectified Linear Unit
PyTorch实现（类）：torch.nn.ReLU()
PyTorch实现（函数）：torch.nn.functional.relu()
PyTorch文档：https://pytorch.org/docs/stable/generated/torch.nn.ReLU.html
4. Leaky ReLU 函数
PyTorch实现（类）：torch.nn.LeakyReLU()
PyTorch实现（函数）：torch.nn.functional.leaky_relu()
PyTorch文档：https://pytorch.org/docs/stable/generated/torch.nn.LeakyReLU.html
还有其他的一些激活函数，这里暂时不列出。每种激活函数都有其适用的场景和局限性，通常需要根据具体的问题和数据特点来选择合适的激活函数。
附画图代码：
"""
This code is supported by the website: https://www.guanjihuan.com
The newest version of this code is on the web page: https://www.guanjihuan.com/archives/39029
"""
import torch
import numpy as np
import matplotlib.pyplot as plt
x_array = np.linspace(-6, 6, 100)
x_array_torch_tensor = torch.from_numpy(x_array)
y_array_torch_tensor = torch.nn.functional.sigmoid(x_array_torch_tensor)
plt.plot(x_array_torch_tensor, y_array_torch_tensor)
plt.show()
y_array_torch_tensor = torch.nn.functional.tanh(x_array_torch_tensor)
plt.plot(x_array_torch_tensor, y_array_torch_tensor)
plt.show()
y_array_torch_tensor = torch.nn.functional.relu(x_array_torch_tensor)
plt.plot(x_array_torch_tensor, y_array_torch_tensor)
plt.show()
y_array_torch_tensor = torch.nn.functional.leaky_relu(x_array_torch_tensor)
plt.plot(x_array_torch_tensor, y_array_torch_tensor)
plt.show()【说明：本站主要是个人的一些笔记和代码分享，内容可能会不定期修改。为了使全网显示的始终是最新版本，这里的文章未经同意请勿转载。引用请注明出处：https://www.guanjihuan.com】
