作者：手机用户2502937527 | 来源：互联网 | 2023-10-11 04:48
Python | Tensorflow nn . sigmoid()
哎哎哎:# t0]https://www . geeksforgeeks . org/python-tensorlow-nn-sigmoid/
Tensorflow 是谷歌开发的开源机器学习库。其应用之一是开发深度神经网络。
模块 tensorflow.nn 为许多基本的神经网络操作提供支持。
众多激活功能之一是乙状结肠功能，定义为![f(x) = 1 / (1 + e^{-x})]( "Rendered by QuickLaTeX.com")
。
Sigmoid 函数的输出在(0，1)的范围内，这使得它非常适合二进制分类问题，我们需要找到数据属于特定类别的概率。sigmoid 函数在每个点都是可微的，其导数为![f'(x) = f(x) * (1 - f(x))]( "Rendered by QuickLaTeX.com")
。由于表达式包含 sigmoid 函数，因此可以重用它的值来加快反向传播。
Sigmoid 函数存在“消失梯度”的问题，因为它在两端变平，导致反向传播过程中权重变化非常小。这会使神经网络拒绝学习，陷入困境。由于这个原因，sigmoid 函数的使用正在被其他非线性函数取代，例如整流线性单元(ReLU)。
函数 TF . nn . sigmoid()[别名 tf.sigmoid]为 Tensorflow 中的 sigmoid 函数提供支持。
语法 : tf.nn.sigmoid(x，name=None)或 tf.sigmoid(x，name=None)
参数 :
x :以下任一类型的张量:float16、float32、float64、complex64 或 complex128。
名称(可选):操作的名称。
返回类型:与 x 类型相同的张量。
代码#1:
Python 3
# Importing the Tensorflow library
import tensorflow as tf
# A constant vector of size 6
a = tf.constant([1.0, -0.5, 3.4, -2.1, 0.0, -6.5], dtype = tf.float32)
# Applying the sigmoid function and
# storing the result in 'b'
b = tf.nn.sigmoid(a, name ='sigmoid')
# Initiating a Tensorflow session
with tf.Session() as sess:
print('Input type:', a)
print('Input:', sess.run(a))
print('Return type:', b)
print('Output:', sess.run(b))
输出:
Input type: Tensor("Const_1:0", shape=(6, ), dtype=float32)
Input: [ 1\. -0.5 3.4000001 -2.0999999 0\. -6.5 ]
Return type: Tensor("sigmoid:0", shape=(6, ), dtype=float32)
Output: [ 0.7310586 0.37754068 0.96770459 0.10909683 0.5 0.00150118]
代码#2: 可视化
Python 3
# Importing the Tensorflow library
import tensorflow as tf
# Importing the NumPy library
import numpy as np
# Importing the matplotlib.pyplot function
import matplotlib.pyplot as plt
# A vector of size 15 with values from -5 to 5
a = np.linspace(-5, 5, 15)
# Applying the sigmoid function and
# storing the result in 'b'
b = tf.nn.sigmoid(a, name ='sigmoid')
# Initiating a Tensorflow session
with tf.Session() as sess:
print('Input:', a)
print('Output:', sess.run(b))
plt.plot(a, sess.run(b), color = 'red', marker = "o")
plt.title("tensorflow.nn.sigmoid")
plt.xlabel("X")
plt.ylabel("Y")
plt.show()
输出:
Input: Input: [-5\. -4.28571429 -3.57142857 -2.85714286 -2.14285714 -1.42857143
-0.71428571 0\. 0.71428571 1.42857143 2.14285714 2.85714286
3.57142857 4.28571429 5\. ]
Output: [ 0.00669285 0.01357692 0.02734679 0.05431327 0.10500059 0.19332137
0.32865255 0.5 0.67134745 0.80667863 0.89499941 0.94568673
0.97265321 0.98642308 0.99330715]
![]()
。
。由于表达式包含 sigmoid 函数，因此可以重用它的值来加快反向传播。
京公网安备 11010802041100号