- 当前位置：首页 >IT科技 >Python实现之激活函数
Python实现之激活函数
发布时间：2025-11-05 02:38:46 来源：创站工坊 作者：IT科技类资讯
本文转载自微信公众号「python与大数据分析」，实现数作者一只小小鸟鸟。活函转载本文请联系python与大数据分析公众号。实现数
激活函数(Activation Function)，活函就是实现数在人工神经网络的神经元上运行的函数，负责将神经元的活函输入映射到输出端。
如果不用激活函数，实现数每一层输出都是活函上层输入的线性函数，无论神经网络有多少层，实现数输出都是活函输入的线性组合，这种情况就是实现数最原始的感知机。
如果使用的活函话，激活函数给神经元引入了非线性因素，实现数使得神经网络可以任意逼近任何非线性函数，活函这样神经网络就可以应用到众多的免费源码下载实现数非线性模型中。
#!/usr/bin/env python # -*- coding: UTF-8 -*- # _ooOoo_ # o8888888o # 88" . "88 # ( | - _ - | ) # O\ = /O # ____/`---\____ # . \\| |// `. # / \\|||:|||// \ # / _|||||-:- |||||- \ # | | \\\ - /// | | # | \_| \---/ | _/ | # \ .-\__ `-` ___/-. / # ___`. . /--.--\ `. . __ # ."" < `.___\_<|>_/___. >"". # | | : `- \`.;`\ _ /`;.`/ - ` : | | # \ \ `-. \_ __\ /__ _/ .-` / / # ==`-.____`-.___\_____/___.-`____.-== # `=---= @Project ：pythonalgorithms @File ：Activationfunction.py @Author ：不胜人生一场醉@Date ：2021/8/11 0:14 import numpy as np from matplotlib import pyplot as plt def drawpic(x, y, label= , title= ): plt.figure(figsize=(10, 8)) ax = plt.gca() # 通过gca:get current axis得到当前轴 plt.rcParams[font.sans-serif] = [SimHei] # 绘图中文 plt.rcParams[axes.unicode_minus] = False # 绘图负号 plt.plot(x, y, label=label) # 设置图片的右边框和上边框为不显示 ax.spines[right].set_color(none) ax.spines[top].set_color(none) # 挪动x，y轴的位置，也就是图片下边框和左边框的位置 # data表示通过值来设置x轴的位置，将x轴绑定在y=0的位置 ax.spines[bottom].set_position((data, 0)) # axes表示以百分比的形式设置轴的位置，即将y轴绑定在x轴50%的位置 ax.spines[left].set_position((axes, 0.5)) # ax.spines[left].set_position((data, 0)) plt.title(title) plt.legend(loc=upper right) plt.show() if __name__ == __main__: std = 0.1 # 标准差为0.1 avg = 1 # 平均值为1 x = np.linspace(avg - 5 * std, avg + 5 * std, 100) y = normaldistribution(x, avg, std) drawpic(x, y, normaldistribution, normal distribution function) x = np.linspace(-5, 5, 100) y = sigmoid(x) drawpic(x, y, sigmoid, sigmoid Activation function) y = tanh(x) drawpic(x, y, tanh, tanh Activation function) y = stepfunction(x) drawpic(x, y, tanh, step Activation function) y = relu(x) drawpic(x, y, relu, relu Activation function) y = leakyrelu(x) drawpic(x, y, leakyrelu, leakyrelu Activation function) y = softmax(x) drawpic(x, y, softmax, softmax Activation function) # 求正态分布值,avg表示期望值，std表示标准差 def normaldistribution(x, avg=0, std=1): return np.exp(-(x - avg) ** 2 / (2 * std ** 2)) / (np.sqrt(2 * np.pi) * std) # return np.exp(-(x - avg) ** 2 / (2 * std ** 2)) / (math.sqrt(2 * math.pi) *
源码库企商汇IT资讯网源码下载益华科技香港云服务器服务器租用IT技术网亿华云极客码头亿华智造全栈开发码力社多维IT资讯技术快报云智核益强智未来益强编程堂益强科技益强IT技术网亿华科技思维库码上建站益华科技云站无忧亿华灵动益强编程舍运维纵横益华科技亿华云计算创站工坊益华IT技术论坛亿华云智能时代科技前瞻极客编程益强数据堂亿华互联亿华智慧云益强资讯优选益强前沿资讯编程之道益强智囊团
- Copyright © 2025 Powered by Python实现之激活函数,创站工坊 滇ICP备2023006006号-44sitemap