激活函数\梯度下降\损失函数

一个痛心疾首的发现：这些知识不管学多少遍还是会忘记……

为了加深印象，再再再再看一遍并记录下来。

一、激活函数

激活函数是每一层神经网络之后用的非线性函数，因为神经网络本身是线型的，利用激活函数可以使之实现非线性。

激活函数主要有四个: sigmoid, tanh, RELU, Leaky RELU. 还有一位博主将softmax 也加了进来。也有一定的道理，因为这五个小兄弟都是将一个维的向量映射为另一个维的向量。

接下来的话照搬这个知乎专栏

1. sigmoid

sigmoid函数及其导数

sigmoid函数会导致梯度消失(gradient vanishing)。

2. tanh

tanh

3. ReLU

ReLU

5. leaky ReLU

leaky ReLU

5. softmax

Softmax的使得映射后的元素之和为1，通常用在分类任务最后一层。

二、梯度下降

梯度下降是神经网络优化的方法，令输出逼近目标值。

啊懒得写了，看看这个博文就知道了

三、损失函数

这篇博文讲述了
交叉熵损失函数