激活函数

激活函数将非线性的特性引入到神经网络当中。

PaddlePaddle Fluid 对大部分的激活函数进行了支持，其中有:

relu, tanh, sigmoid, elu, relu6, pow, stanh, hard_sigmoid, swish, prelu, brelu, leaky_relu, soft_relu, thresholded_relu, maxout, logsigmoid, hard_shrink, softsign, softplus, tanh_shrink, softshrink, exp。

Fluid提供了两种使用激活函数的方式：

  • 如果一个层的接口提供了 act 变量（默认值为None），我们可以通过该变量指定该层的激活函数类型。该方式支持常见的激活函数: relu, tanh, sigmoid, identity。
  1. conv2d = fluid.layers.conv2d(input=data, num_filters=2, filter_size=3, act="relu")
  • Fluid为每个Activation提供了接口，我们可以显式的对它们进行调用。
  1. conv2d = fluid.layers.conv2d(input=data, num_filters=2, filter_size=3)
  2. relu1 = fluid.layers.relu(conv2d)

原文: http://paddlepaddle.org/documentation/docs/zh/1.3/api_guides/low_level/layers/activations.html