Pytorch入门＞激活函数与多层感知机

1. Sigmoid、Tanh、ReLU激活函数

一个小示例：

import torch
import matplotlib.pyplot as plt
from torch import nn


# In[25]:


x = torch.tensor([ x for x in range(-10,10,1)])
print(x)


# In[45]:


jihuo1 = nn.Sigmoid()
sig_y = jihuo1(x)
plt.plot(x.numpy(), sig_y.numpy())
plt.show()

# In[36]:

jihuo2 = nn.Tanh()
tan_y = jihuo2(x)
plt.plot(x.numpy(), tan_y.numpy())
plt.show()

# In[46]：
jihuo3 = nn.ReLU()
relu_y = jihuo3(x)
plt.plot(x,relu_y)
plt.show()

实验结果：
ReLU
$$f(x)=max(0,x)$$

Tanh
$$f(x)=\frac{1-exp(-2x)}{1+exp(-2x)}$$

Sigmoid
$$f(x)=\frac{1}{1+exp(-x)}$$

2. 多层感知机SVM

多层感知机（SVM）就是隐藏层加上激活函数的非线性模型，激活函数对于机器学习来说非常重要，体现在公式上就是：
$$h=\sigma (W_1+b_1)$$
$$o=W_{2}h+b_2$$
其中$\sigma$就是代表激活函数。
多层感知机的出现主要可以解决异或的问题，模型与线性模型训练方法是一样的。