ReLU

本文介绍高等数学中的ReLU，以及在神经网络中的应用。

函数原型

ReLU(Rectified Linear Unit 修正的线性单元)

$$ f(x) = \max(0, x) = \begin{cases} x, & \text{if } x \geq 0 \\ 0, & \text{if } x < 0 \end{cases} $$

导数的函数原型

$$ f(x)' = \begin{cases} 1, & \text{if } x \geq 0 \\ 0, & \text{if } x < 0 \end{cases} $$

适用范围

二分类问题选择sigmoid，余下的问题ReLU是默认的选择

函数图像

Python代码实现

def main():
    x = np.arange(-10, 10, 0.01)
    y = list(map(lambda x: x if x > 0 else 0, x))

    plt.figure(figsize=(6, 4))
    plt.title('ReU function')
    plt.xlabel('x', loc='left')
    plt.ylabel('y', loc='bottom')
    # ReU图像
    plt.plot(x, y, label='ReU function')

    # ReU导数图像
    der_y = list(map(lambda x: 1 if x>0 else 0,x))
    plt.plot(x, der_y, label='ReU derivative function')

    plt.xticks(np.arange(-10, 11, 1))
    plt.yticks(np.arange(-1, 10, 1))

    plt.legend()
    plt.grid(True, color='b', linewidth='0.5', linestyle='dashed')
    plt.tight_layout()
    plt.show()