深度學習——人工神經網絡中爲什麼ReLu要好過於tanh和sigmoid function？

參考吳恩達的深度學習課程。 先看看各個激活函數圖： 第一個問題：爲什麼引入非線性激勵函數？ 如果不用激勵函數（其實相當於激勵函數是f(x) = x），在這種情況下你每一層輸出都是上層輸入的線性函數，很容易驗證，無論你神經網絡有多少層，輸出都是輸入的線性組合，與只有一個隱藏層效果相當，這種情況就是多層感知機（MLP）了。 正因爲上面的原因，我們決定引入非線性函數作爲激勵函數，這樣深層神經網絡就有意義

>>阅读原文<<