【pytorch（08）】激活函数：sigmoid，tanh，ReLU，LeakyReLU，softmax

【pytorch（01）】CUDA、cuDNN、pytorch安装，神奇魔法解决网络问题

【pytorch（02）】Tensor(张量)概述、如何创建、常见属性，切换设备

【pytorch（03）】Tensor(张量)数据转换、常见操作(元素值运算、阿达玛积、相乘、形状操作)

【pytorch（04）】自动微分：基础概念，梯度计算，梯度上下文控制

【pytorch（05）】感知神经网络，构造人工神经元，深入神经网络（了解结构，如何构建），全连接神经网络

【pytorch（06）】全连接神经网络：基本组件认知，线性层、激活函数、损失函数、优化器

【pytorch（07）】数据加载器，构建数据类Dataset类、TensorDataset类，数据集加载案例

基础概念

通过认识线性和非线性的基础概念，深刻理解激活函数存在的价值。
激活函数理解视频：[5分钟深度学习] #03 激活函数

1.线性理解

如果在隐藏层不使用激活函数，那么整个神经网络会表现为一个线性模型。我们可以通过数学推导来展示这一点。

假设：

• 神经网络有$$L$$ 层，每层的输出为 $${\mathbf{a}}^{(l)}$$。
• 每层的权重矩阵为 $${\mathbf{W}}^{(l)}$$，偏置向量为$${\mathbf{b}}^{(l)}$$。
• 输入数据为$$\mathbf{x}$$，输出为$${\mathbf{a}}^{(L)}$$。

一层网络的情况

对于单层网络（输入层到输出层），如果没有激活函数，输出$${\mathbf{a}}^{(1)}$$ 可以表示为：
$${\mathbf{a}}^{(1)}={\mathbf{W}}^{(1)}\mathbf{x}+{\mathbf{b}}^{(1)}$$

两层网络的情况

假设我们有两层网络，且每层都没有激活函数，则：

• 第一层的输出：$${\mathbf{a}}^{(1)}={\mathbf{W}}^{(1)}\mathbf{x}+{\mathbf{b}}^{(1)}$$
• 第二层的输出：$${\mathbf{a}}^{(2)}={\mathbf{W}}^{(2)}{\mathbf{a}}^{(1)}+{\mathbf{b}}^{(2)}$$

将$${\mathbf{a}}^{(1)}$$代入到$${\mathbf{a}}^{(2)}$$中，可以得到：

$${\mathbf{a}}^{(2)}={\mathbf{W}}^{(2)}({\mathbf{W}}^{(1)}\mathbf{x}+{\mathbf{b}}^{(1)})+{\mathbf{b}}^{(2)}$$

$${\mathbf{a}}^{(2)}={\mathbf{W}}^{(2)}{\mathbf{W}}^{(1)}\mathbf{x}+{\mathbf{W}}^{(2)}{\mathbf{b}}^{(1)}+{\mathbf{b}}^{(2)}$$

我们可以看到，输出$${\mathbf{a}}^{(2)}$$是输入$$\mathbf{x}$$的线性变换，因为：$${\mathbf{a}}^{(2)}={\mathbf{W}}^{\prime }\mathbf{x}+{\mathbf{b}}^{\prime }$$
其中$${\mathbf{W}}^{\prime }={\mathbf{W}}^{(2)}{\mathbf{W}}^{(1)}$$，$${\mathbf{b}}^{\prime }={\mathbf{W}}^{(2)}{\mathbf{b}}^{(1)}+{\mathbf{b}}^{(2)}$$。

多层网络的情况

如果有$$L$$层，每层都没有激活函数，则第$$l$$层的输出为：$${\mathbf{a}}^{(l)}={\mathbf{W}}^{(l)}{\mathbf{a}}^{(l-1)}+{\mathbf{b}}^{(l)}$$

通过递归代入，可以得到：
$${\mathbf{a}}^{(L)}={\mathbf{W}}^{(L)}{\mathbf{W}}^{(L-1)}\cdots {\mathbf{W}}^{(1)}\mathbf{x}+{\mathbf{W}}^{(L)}{\mathbf{W}}^{(L-1)}\cdots {\mathbf{W}}^{(2)}{\mathbf{b}}^{(1)}+{\mathbf{W}}^{(L)}{\mathbf{W}}^{(L-1)}\cdots {\mathbf{W}}^{(3)}{\mathbf{b}}^{(2)}+\cdots +{\mathbf{b}}^{(L)}$$
表达式可简化为：
$${\mathbf{a}}^{(L)}={\mathbf{W}}^{\prime \prime }\mathbf{x}+{\mathbf{b}}^{\prime \prime }$$
其中，$${\mathbf{W}}^{\prime \prime }$$ 是所有权重矩阵的乘积，$${\mathbf{b}}^{\prime \prime }$$是所有偏置项的线性组合。

如此可以看得出来，无论网络多少层，意味着：

整个网络就是线性模型，无法捕捉数据中的非线性关系。

激活函数是引入非线性特性、使神经网络能够处理复杂问题的关键。

1.非线性可视化

我们可以通过可视化的方式去理解非线性的拟合能力：https://playground.tensorflow.org/

常见激活函数

激活函数通过引入非线性来增强神经网络的表达能力，对于解决线性模型的局限性至关重要。由于反向传播算法(BP)用于更新网络参数，因此激活函数必须是可微的，也就是说能够求导的。

1.sigmoid

Sigmoid激活函数是一种常见的非线性激活函数，特别是在早期神经网络中应用广泛。它将输入映射到0到1之间的值，因此非常适合处理概率问题。

1.1 公式

Sigmoid函数的数学表达式为：
$$f(x)=\sigma (x)=\frac{1}{1+e^{-x}}$$
其中，$$e$$ 是自然常数（约等于2.718），$$x$$ 是输入。

1.2 特征

1. 将任意实数输入映射到 (0, 1)之间，因此非常适合处理概率场景。

2. sigmoid函数一般只用于二分类的输出层。

3. 微分性质: 导数计算比较方便，可以用自身表达式来表示：
   $${\sigma }^{\prime }(x)=\sigma (x)\cdot (1-\sigma (x))$$

1.3 缺点

• 梯度消失:
  • 在输入非常大或非常小时，Sigmoid函数的梯度会变得非常小，接近于0。这导致在反向传播过程中，梯度逐渐衰减。
  • 最终使得早期层的权重更新非常缓慢，进而导致训练速度变慢甚至停滞。
• 信息丢失：输入100和输入10000经过sigmoid的激活值几乎都是等于 1 的，但是输入的数据却相差 100 倍。
• 计算成本高: 由于涉及指数运算，Sigmoid的计算比ReLU等函数更复杂，尽管差异并不显著。

1.4 函数绘制

通过代码实现函数和导函数绘制：

import torch
import matplotlib.pyplot as plt

# plt支持中文
plt.rcParams["font.sans-serif"] = ["SimHei"]
plt.rcParams["axes.unicode_minus"] = False


def test001():
    # 一行两列绘制图像
    _, ax = plt.subplots(1, 2)
    # 绘制函数图像
    x = torch.linspace(-10, 10, 100)
    y = torch.sigmoid(x)
    # 网格
    ax[0].grid(True)
    ax[0].set_title("sigmoid 函数曲线图")
    ax[0].set_xlabel("x")
    ax[0].set_ylabel("y")
    # 在第一行第一列绘制sigmoid函数曲线图
    ax[0].plot(x, y)

    # 绘制sigmoid导数曲线图
    x = torch.linspace(-10, 10, 100, requires_grad=True)
    # y = torch.sigmoid(x) * (1 - torch.sigmoid(x))
    # 自动求导
    torch.sigmoid(x).sum().backward()
    ax[1].grid(True)
    ax[1].set_title("sigmoid 函数导数曲线图", color="red")
    ax[1].set_xlabel("x")
    ax[1].set_ylabel("y")
    # ax[1].plot(x.detach().numpy(), y.detach())
    # 用自动求导的结果绘制曲线图
    ax[1].plot(x.detach().numpy(), x.grad.detach().numpy())
    # 设置曲线颜色
    ax[1].lines[0].set_color("red")

    plt.show()


if __name__ == "__main__":
    test001()

绘制结果：

2.tanh

tanh(双曲正切)是一种常见的非线性激活函数，常用于神经网络的隐藏层。tanh 函数也是一种S形曲线，输出范围为$$(-1,1)$$。

2.1 公式

tanh数学表达式为：
$$tanh(x)=\frac{e^x-e^{-x}}{e^x+e^{-x}}$$

2.2 特征

1. 输出范围: 将输入映射到$$(-1,1)$$之间，因此输出是零中心的。相比于Sigmoid函数，这种零中心化的输出有助于加速收敛。

2. 对称性: Tanh函数是关于原点对称的奇函数，因此在输入为0时，输出也为0。这种对称性有助于在训练神经网络时使数据更平衡。

3. 平滑性: Tanh函数在整个输入范围内都是连续且可微的，这使其非常适合于使用梯度下降法进行优化。
   $$\frac{d}{dx}\text{tanh}(x)=1-{\text{tanh}}^2(x)$$

2.3 缺点

1. 梯度消失: 虽然一定程度上改善了梯度消失问题，但在输入值非常大或非常小时导数还是非常小，这在深层网络中仍然是个问题。这是因为每一层的梯度都会乘以一个小于1的值，经过多层乘积后，梯度会变得非常小，导致训练过程变得非常缓慢，甚至无法收敛。
2. 计算成本: 由于涉及指数运算，Tanh的计算成本还是略高，尽管差异不大。

2.4 函数绘制

绘制代码：

import torch
import matplotlib.pyplot as plt

# plt支持中文
plt.rcParams["font.sans-serif"] = ["SimHei"]
plt.rcParams["axes.unicode_minus"] = False


def test001():
    # 一行两列绘制图像
    _, ax = plt.subplots(1, 2)
    # 绘制函数图像
    x = torch.linspace(-10, 10, 100)
    y = torch.tanh(x)
    # 网格
    ax[0].grid(True)
    ax[0].set_title("tanh 函数曲线图")
    ax[0].set_xlabel("x")
    ax[0].set_ylabel("y")
    # 在第一行第一列绘制tanh函数曲线图
    ax[0].plot(x, y)

    # 绘制tanh导数曲线图
    x = torch.linspace(-10, 10, 100, requires_grad=True)
    # y = torch.tanh(x) * (1 - torch.tanh(x))
    # 自动求导：需要标量才能反向传播
    torch.tanh(x).sum().backward()
    ax[1].grid(True)
    ax[1].set_title("tanh 函数导数曲线图", color="red")
    ax[1].set_xlabel("x")
    ax[1].set_ylabel("x.grad")
    # ax[1].plot(x.detach().numpy(), y.detach())
    # 用自动求导的结果绘制曲线图
    ax[1].plot(x.detach().numpy(), x.grad.detach().numpy())
    # 设置曲线颜色
    ax[1].lines[0].set_color("red")

    plt.show()


if __name__ == "__main__":
    test001()

绘制结果：

3.ReLU

ReLU（Rectified Linear Unit）是深度学习中最常用的激活函数之一，它的全称是修正线性单元。ReLU 激活函数的定义非常简单，但在实践中效果非常好。

3.1 公式

ReLU 函数定义如下：
$$\text{ReLU}(x)=\max (0,x)$$

即$$ReLU$$对输入$$x$$进行非线性变换：
$$\begin{gathered} \bullet \text{当 }x>0\text{ 时,ReLU}(x)=x \\ \bullet \text{当 }x\le 0\text{ 时,ReLU}(x)=0 \end{gathered}$$

3.2 特征

1. 计算简单：ReLU 的计算非常简单，只需要对输入进行一次比较运算，这在实际应用中大大加速了神经网络的训练。

2. ReLU 函数的导数是分段函数：
   $${\text{ReLU}}^{\prime }(x)=\{\begin{array}{ll}1,& \text{if }x>0\\ 0,& \text{if }x\le 0\end{array}$$

3. 缓解梯度消失问题：相比于 Sigmoid 和 Tanh 激活函数，ReLU 在正半区的导数恒为 1，这使得深度神经网络在训练过程中可以更好地传播梯度，不存在饱和问题。

4. 稀疏激活：ReLU在输入小于等于 0 时输出为 0，这使得 ReLU 可以在神经网络中引入稀疏性（即一些神经元不被激活），这种稀疏性可以减少网络中的冗余信息，提高网络的效率和泛化能力。

3.3 缺点

神经元死亡：由于$$ReLU$$在$$x\le 0$$时输出为$$0$$，如果某个神经元输入值是负，那么该神经元将永远不再激活，成为“死亡”神经元。随着训练的进行，网络中可能会出现大量死亡神经元，从而会降低模型的表达能力。

3.4 函数绘图

参考代码如下：

import torch
import torch.nn.functional as F
import matplotlib.pyplot as plt

# 中文问题
plt.rcParams["font.sans-serif"] = ["SimHei"]
plt.rcParams["axes.unicode_minus"] = False


def test006():
    # 输入数据x
    x = torch.linspace(-20, 20, 1000)
    y = F.relu(x)
    # 绘制一行2列
    _, ax = plt.subplots(1, 2)
    ax[0].plot(x.numpy(), y.numpy())
    # 显示坐标格子
    ax[0].grid()
    ax[0].set_title("relu 激活函数")
    ax[0].set_xlabel("x")
    ax[0].set_ylabel("y")

    # 绘制导数函数
    x = torch.linspace(-20, 20, 1000, requires_grad=True)
    F.relu(x).sum().backward()
    ax[1].plot(x.detach().numpy(), x.grad.numpy())
    ax[1].grid()
    ax[1].set_title("relu 激活函数导数", color="red")
    # 设置绘制线色颜色
    ax[1].lines[0].set_color("red")
    ax[1].set_xlabel("x")
    ax[1].set_ylabel("x.grad")

    plt.show()


if __name__ == "__main__":
    test006()

汇总结果：

4.LeakyReLU

Leaky ReLU是一种对 ReLU 函数的改进，旨在解决 ReLU 的一些缺点，特别是Dying ReLU 问题。Leaky ReLU 通过在输入为负时引入一个小的负斜率来改善这一问题。

4.1 公式

Leaky ReLU 函数的定义如下：
$$\text{Leaky ReLU}(x)=\{\begin{array}{ll}x,& \text{if }x>0\\ \alpha x,& \text{if }x\le 0\end{array}$$
其中，$$\alpha$$ 是一个非常小的常数（如 0.01），它控制负半轴的斜率。这个常数 $$\alpha$$是一个超参数，可以在训练过程中可自行进行调整。

4.2 特征

1. 避免神经元死亡：通过在$$x\le 0$$ 区域引入一个小的负斜率，这样即使输入值小于等于零，Leaky ReLU仍然会有梯度，允许神经元继续更新权重，避免神经元在训练过程中完全“死亡”的问题。
2. 计算简单：Leaky ReLU 的计算与 ReLU 相似，只需简单的比较和线性运算，计算开销低。

4.3 缺点

1. 参数选择：$$\alpha$$ 是一个需要调整的超参数，选择合适的$$\alpha$$ 值可能需要实验和调优。
2. 出现负激活：如果$$\alpha$$ 设定得不当，仍然可能导致激活值过低。

4.4 函数绘制

参考代码：

import torch
import torch.nn.functional as F
import matplotlib.pyplot as plt

# 中文设置
plt.rcParams["font.sans-serif"] = ["SimHei"]
plt.rcParams["axes.unicode_minus"] = False


def test006():
    x = torch.linspace(-5, 5, 200)
    # 设置leaky_relu的负斜率超参数
    slope = 0.03
    y = F.leaky_relu(x, slope)
    # 一行两列
    _, ax = plt.subplots(1, 2)
    # 开始绘制函数曲线图
    ax[0].plot(x, y)
    ax[0].set_title("Leaky ReLU 函数曲线图")
    ax[0].set_xlabel("x")
    ax[0].set_ylabel("y")
    ax[0].grid(True)

    # 绘制leaky_relu的梯度曲线图
    x = torch.linspace(-5, 5, 200, requires_grad=True)
    F.leaky_relu(x, slope).sum().backward()
    ax[1].plot(x.detach().numpy(), x.grad)
    ax[1].set_title("Leaky ReLU 梯度曲线图", color="red")
    ax[1].set_xlabel("x")
    ax[1].set_ylabel("x.grad")
    ax[1].grid(True)
    # 设置线的颜色
    ax[1].lines[0].set_color("red")

    plt.show()


if __name__ == "__main__":
    test006()

绘制结果：

5.softmax

Softmax激活函数通常用于分类问题的输出层，它能够将网络的输出转换为概率分布，使得输出的各个类别的概率之和为 1。Softmax 特别适合用于多分类问题。

5.1 公式

假设神经网络的输出层有$$n$$个节点，每个节点的输入为$$z_i$$，则 Softmax 函数的定义如下：
$$\mathrm{Softmax}(z_i)=\frac{e^{z_i}}{{\sum }_{j=1}^n{e}^{z_j}}$$

给定输入向量 $z=[z_1,z_2,\dots ,z_n]$

1.指数变换：对每个 $z_i$进行指数变换，得到 $t=[e^{z_1},e^{z_2},...,e^{z_n}]$，使z的取值区间从$(-\infty ,+\infty )$变为$(0,+\infty )$

2.将所有指数变换后的值求和，得到$s=e^{z_1}+e^{z_2}+...+e^{z_n}={\Sigma }_{j=1}^n{e}^{z_j}$

3.将t中每个 $e^{z_i}$除以归一化因子s，得到概率分布:
$$softmax(z)=[\frac{e^{z_1}}{s},\frac{e^{z_2}}{s},...,\frac{e^{z_n}}{s}]=[\frac{e^{z_1}}{{\Sigma }_{j=1}^n{e}^{z_j}},\frac{e^{z_2}}{{\Sigma }_{j=1}^n{e}^{z_j}},...,\frac{e^{z_n}}{{\Sigma }_{j=1}^n{e}^{z_j}}]$$
即：
$$\mathrm{Softmax}(z_i)=\frac{e^{z_i}}{{\sum }_{j=1}^n{e}^{z_j}}$$
从上述公式可以看出：

1. 每个输出值在 (0,1)之间

2. Softmax()对向量的值做了改变，但其位置不变

3. 所有输出值之和为1，即

$$sum(softmax(z))=\frac{e^{z_1}}{s}+\frac{e^{z_2}}{s}+...+\frac{e^{z_n}}{s}=\frac{s}{s}=1$$

5.2 特征

1. 将输出转化为概率：通过$$Softmax$$，可以将网络的原始输出转化为各个类别的概率，从而可以根据这些概率进行分类决策。
   

2. 概率分布：$$Softmax$$的输出是一个概率分布，即每个输出值$$\text{Softmax}(z_i)$$都是一个介于$$0$$和$$1$$之间的数，并且所有输出值的和为 1：
   $$\sum _{i=1}^n\text{Softmax}(z_i)=1$$

3. 突出差异：$$Softmax$$会放大差异，使得概率最大的类别的输出值更接近$$1$$，而其他类别更接近$$0$$。

4. 在实际应用中，$$Softmax$$常与交叉熵损失函数Cross-Entropy Loss结合使用，用于多分类问题。在反向传播中，$$Softmax$$的导数计算是必需的。

$$\begin{array}{rlrl}& \text{设 }{p}_i=\mathrm{Softmax}(z_i)\text{,则对于 }{z}_i\text{ 的导数为:}& & \\ & \bullet \text{ 当 }i=j\text{ 时:}& & \\ & & & \frac{\partial p_i}{\partial z_i}=\frac{e^{z_i}({\Sigma }_{j=1}^n{e}^{z_j})-e^{z_i}{e}^{z_i}}{({\Sigma }_{j=1}^n{e}^{z_j}{)}^2}=p_i(1-p_i)\\ & \bullet \text{ 当 }i\ne j\text{ 时}:& & \\ & & & \frac{\partial p_i}{\partial z_j}=\frac{0({\Sigma }_{j=1}^n{e}^{z_j})-e^{z_i}{e}^{z_j}}{({\Sigma }_{j=1}^n{e}^{z_j}{)}^2}=-p_i{p}_j\end{array}$$

5.3 缺点

1. 数值不稳定性：在计算过程中，如果$$z_i$$的数值过大，$$e^{z_i}$$可能会导致数值溢出。因此在实际应用中，经常会对$$z_i$$进行调整，如减去最大值以确保数值稳定。

$$\mathrm{Softmax}(z_i)=\frac{e^{z_i-\max (z)}}{{\sum }_{j=1}^n{e}^{z_j-\max (z)}}$$

解释：

$$z_i-\max (z)$$是一个非正数，由于 $e^{z_i-max(z)}$ 的形式，当 $z_i$ 接近 max(z) 时，$e^{z_i-max(z)}$ 的值会接近 1，而当 $z_i$ 远小于 max(z) 时，$e^{z_i-max(z)}$ 的值会接近 0。这使得 Softmax 函数的输出中，最大值对应的概率会相对较大，而其他值对应的概率会相对较小，从而提高数值稳定性。

这种调整不会改变$$Softmax$$的概率分布结果，因为从数学的角度讲相当于分子、分母都除以了$$e^{\max (z)}$$。

在 PyTorch 中，torch.nn.functional.softmax 函数就自动处理了数值稳定性问题。

2. 难以处理大量类别：$$Softmax$$在处理类别数非常多的情况下（如大模型中的词汇表）计算开销会较大。

5.4 代码实现

代码参考如下：

import torch
import torch.nn as nn

# 表示4分类，每个样本全连接后得到4个得分，下面示例模拟的是两个样本的得分
input_tensor = torch.tensor([[-1.0, 2.0, -3.0, 4.0], [-2, 3, -3, 9]])

softmax = nn.Softmax()
output_tensor = softmax(input_tensor)
# 关闭科学计数法
torch.set_printoptions(sci_mode=False)
print("输入张量:", input_tensor)
print("输出张量:", output_tensor)

输出结果：

输入张量: tensor([[-1.,  2., -3.,  4.],
        [-2.,  3., -3.,  9.]])
输出张量: tensor([[    0.0059,     0.1184,     0.0008,     0.8749],
        [    0.0000,     0.0025,     0.0000,     0.9975]])

如何选择

更多激活函数可以查看官方文档：https://pytorch.org/docs/stable/nn.html#non-linear-activations-weighted-sum-nonlinearity
那这么多激活函数应该如何选择呢？实际没那么纠结

1.隐藏层

1. 优先选ReLU；
2. 如果ReLU效果不咋地，那么尝试其他激活，如Leaky ReLU等；
3. 使用ReLU时注意神经元死亡问题， 避免出现过多神经元死亡；
4. 避免使用sigmoid，尝试使用tanh；

2.输出层

1. 二分类问题选择sigmoid激活函数；
2. 多分类问题选择softmax激活函数；