python 画激活函数
在机器学习和深度学习中,激活函数是非常重要的一块。它可以引入非线性性,打破模型的线性限制,使模型可以更好地逼近真实关系,从而提高模型的精度。而Python作为一门广泛利用于机器学习和深度学习的编程语言,其具有丰富的第三方库可以直接调用,方便实现激活函数画图。
#首先导入所需要的库 import numpy as np import matplotlib.pyplot as plt #定义激活函数 def sigmoid(x): return 1 / (1 + np.exp(-x)) #定义x轴值域 x = np.linspace(⑴0, 10, 1000) #画出sigmoid函数 plt.plot(x, sigmoid(x)) #添加图表标题和x、y轴标签 plt.title('Sigmoid Function') plt.xlabel('X Axis') plt.ylabel('Y Axis') #展现图表 plt.show()
以上代码中,我们使用NumPy库实现了sigmoid函数的定义,使用Matplotlib库实现了对sigmoid函数的画图。在定义sigmoid函数时,我们使用了NumPy库中的exp()函数,该函数返回输入值的指数值。在定义x轴值域时,我们使用了linspace()函数,其可以生成指定长度的数组,其中元素值均匀散布在给定的开始与结束值之间。在完成图表的画图后,我们使用show()函数显示出图表。
如果我们需要画出其他的激活函数,可以依照上述方法进行实现。下面给出一些经常使用的激活函数及其代码实现。
#ReLU激活函数 def relu(x): return np.maximum(0, x) #画出ReLU函数 plt.plot(x, relu(x)) plt.title('ReLU Function') plt.xlabel('X Axis') plt.ylabel('Y Axis') plt.show() #LeakyReLU激活函数 def leaky_relu(x, alpha=0.2): return np.maximum(alpha*x, x) #画出LeakyReLU函数 plt.plot(x, leaky_relu(x)) plt.title('LeakyReLU Function') plt.xlabel('X Axis') plt.ylabel('Y Axis') plt.show() #tanh激活函数 def tanh(x): return np.tanh(x) #画出tanh函数 plt.plot(x, tanh(x)) plt.title('tanh Function') plt.xlabel('X Axis') plt.ylabel('Y Axis') plt.show()
使用Python画图可以轻松地帮助我们理解各种激活函数,并可以通过直观的图形帮助我们掌握其特点和作用。
文章来源:丸子建站
文章标题:python 画激活函数
https://www.wanzijz.com/view/58753.html