常用激活函数(relu,glu,gelu,swish等)

Posted 2022-11-22 栋次大次

文章目录

• • • sigmoid
    • Tanh
    • Relu
    • leaky relu
    • PRelu
    • ELU
    • GLU/GTU
    • gelu
    • swish
    • 激活函数使用原则

激活函数的主要作用是提供网络的非线性建模能力。
本文简要介绍一些常用的激活函数。

sigmoid

torch.nn.Sigmoid
$f(x)=\frac{1}{1+e^{-x}}$

可以被表示做概率，或者用于输入的归一化。连续，光滑，严格单调，以(0,0.5)中心对称，是一个非常良好的阈值函数。

导数：$f^{\prime }(x)=f(x)(1-f(x))$, 计算方便

${\lim }_{x\to \infty }{f}^{\prime }(x)=0$

具有这种性质的称为软包和激活函数，当|x|>c, 其中c为常数，f’(x)=0

一旦落入饱和区，导致了向底层传递的梯度值变得非常小，此时网络参数很难得到有效的训练，（梯度消失）

缺点：

1. sigmoid函数在输入绝对值很大时会出现饱和现象，导致梯度消失
2. sigmoid函数的输出不是0均值，会导致后层的神经元输入时非0均值的信号，会对梯度产生影响
3. 计算复杂度高，因为时指数形式

Tanh

torch.nn.Tanh
成为双曲正切函数，取值范围[-1,1]

$\\tanh(x) = \\frace^x - e^-xex + e^-x = 2*sigmoid(x) - 1 $

导数：$f^{\prime }(x)=1-(\tanh (x){)}^2$

Tanh是0均值的，因此实际应用中tanh会比sigmoid更好，收敛更快。但是仍然存在梯度饱和和指数计算的问题。

Relu

torch.nn.ReLU(inplace=False)
整流线性单元（Rectified linear unit， Relu）比较常用

$f(x)=max(0,x)$

使用Relu的SGD算法的收敛速度比sigmoid和tanh块，在x>0区域上不会出现梯度饱和和梯度消失的问题。计算复杂度低，不需要指数运算。

缺点：

1. 输出不是0均值

2. dead relu （神经元坏死现象): relu在负数区域被kill的现象叫做dead relu，当x<0,梯度为0，这个神经元及之后的神经元梯度永远为0，不再对任何数据有所响应，导致相应的参数不会更新

   产生这种现象的两个原因：参数初始化问题；learning rate太高导致在训练过程中参数更新太大。

   解决方法：采用Xavier初始化方法，以及避免将learning rate设置太大或者使用adagrad等自动调节learning rate

leaky relu

torch.nn.LeakyReLU(negative_slope=0.01, inplace=False)
为了解决dead relu现象，用一个类似0.01的小值来初始化神经元，从而使relu在负数区域更偏向于激活而不是死掉，这里的斜率是确定的。

$f(x)=max(\alpha x,x)$

其中$\alpha$为确定值，一般设为较小的值

优点：缓解了dead relu问题

缺点：实际中不太稳定，有些近似线性，导致在复杂分类中效果不好。

PRelu

torch.nn.PReLU(num_parameters=1, init=0.25)
参数整流线性单元，用来解决Relu带来的神经元坏死问题。

$f(x)=max(\alpha x,x)$

其中$\alpha$是可学习参数，一般初始化为0.25。（和leaky relu的区别）

ELU

torch.nn.ELU(alpha=1.0, inplace=False)
指数线性单元，具有Relu的优势，没有dead relu的问题，输出均值接近于0.有负数饱和区，从而对噪声有一些鲁棒性。

$f(x)=\begin{array}{ll}x& \text{ if }x>0\\ \alpha (\exp (x)-1)& \text{ if }x\le 0\end{array}$

其中$\alpha$是超参数，默认为1.0

缺点：计算量稍大，原点不可导

GLU/GTU

门控机制激活函数。

glu：$f(x)=(x\ast w+b)\otimes (x\ast v+c)$

gtu: $f(x)=tanh(x\ast w+b)\otimes (x\ast v+c)$

其中，w,v,b,c都是可学习参数。

gelu

高斯误差线性单元，这种激活函数在激活中加入了随机正则的思想，是一种对神经元输入的概率描述。
$$xP(X\le x)=x\Phi (x)$$
其中 $\Phi (x)$ 指的是 $x$ 的高斯正态分布的累计分布，完整形式如下:
$$xP(X\le x)=x{\int }_{-\infty }^x\frac{e^{-\frac{(X-\mu {)}^2}{2{\sigma }^2}}}{\sqrt{2\pi }\sigma }\mathrm{d}X$$
计算结果约为:
$$0.5x\left(1+\tanh \left[\sqrt{\frac{2}{\pi }}\left(x+0.044715x^3\right)\right]\right)$$
或者可以表示为:
$$x\ast sigmoid(1.702x)$$
x作为神经元输入，x越大，激活输出x约有可能保留，x越小，越有可能激活结果为0.

gelu作为激活函数训练时，建议使用一个带动量的优化器

pytorch实现:

def gelu(x):
    """Implementation of the gelu activation function.
        For information: OpenAI GPT's gelu is slightly different (and gives slightly different results):
        0.5 * x * (1 + torch.tanh(math.sqrt(2 / math.pi) * (x + 0.044715 * torch.pow(x, 3))))
        Also see https://arxiv.org/abs/1606.08415
    """
    return x * 0.5 * (1.0 + torch.erf(x / math.sqrt(2.0)))

swish

$f(x)=x\ast sigmoid(\beta x)$

$\beta$是超参或者可学习的参数。

叫做自门控激活函数，从图像上看，swish函数和relu差不多，唯一区别较大的是接近于0的负半轴区域。swish在深层模型上的效果由于Relu

pytorch实现：

class Swish(torch.nn.Module):
    """Construct an Swish object."""
    def forward(self, x: torch.Tensor) -> torch.Tensor:
        """Return Swish activation function."""
        return x * torch.sigmoid(x)

激活函数使用原则

1. 优先使用Relu，同时谨慎设置初值和学习率（实际中，如果learning rate很大，那么很可能网络中出现大量的dead relu，如果设置合适的较小的学习率，这个问题发生的情况不会太频繁。）
2. 尝试使用leaky Relu / PRelu / Elu等激活函数
3. 可以试下tanh，但一般不会有太好的结果
4. 最后考虑使用sigmoid

各位读者老爷，求个赞，点个关注😜
欢迎交流深度学习，语音识别，声纹识别等相关知识