莫烦PYTHON——Pytorch——激励函数

莫烦PYTHON——Pytorch——激励函数

相关视频见https://morvanzhou.github.io/tutorials/machine-learning/torch/2-03-activation/。

新建Python文件，输入

import torch
import torch.nn.functional as F          # 激励函数
from torch.autograd import Variable
import matplotlib.pyplot as plt          # python的可视化模块

# 做一些假数据来观看图像
x = torch.linspace(-5, 5, 200)           # x data (tensor), shape=(100, 1)
x = Variable(x)
x_np = x.data.numpy()                    # 换成 numpy array, 出图时用

# 几种常用的 激励函数
y_relu = F.relu(x).data.numpy()
y_sigmoid = torch.sigmoid(x).data.numpy()
y_tanh = torch.tanh(x).data.numpy()
y_softplus = F.softplus(x).data.numpy()
# y_softmax = F.softmax(x)  softmax 比较特殊, 不能直接显示, 不过他是关于概率的, 用于分类

plt.figure(1, figsize=(8, 6))
plt.subplot(221)
plt.plot(x_np, y_relu, c='red', label='relu')
plt.ylim((-1, 5))
plt.legend(loc='best')

plt.subplot(222)
plt.plot(x_np, y_sigmoid, c='red', label='sigmoid')
plt.ylim((-0.2, 1.2))
plt.legend(loc='best')

plt.subplot(223)
plt.plot(x_np, y_tanh, c='red', label='tanh')
plt.ylim((-1.2, 1.2))
plt.legend(loc='best')

plt.subplot(224)
plt.plot(x_np, y_softplus, c='red', label='softplus')
plt.ylim((-0.2, 6))
plt.legend(loc='best')

plt.show()

得到