Relu浅谈
relu主要的作用是：
1，防止梯度弥散
2，稀疏性
3，加快计算
首先我们看下sigmoid和relu的曲线
然后可以得到sigmoid的导数
以及relu的导数
结论就是sigmoid的导数只有在0附近的时候有比较好的**性，在正负饱和区的梯度都接近于0，所以这会造成梯度弥散，而relu函数在大于0的部分梯度为常数，所以不会产生梯度弥散现象。第二，relu函数在负半区的导数为0 ，所以一旦神经元**值进入负半区，那么梯度就会为0，也就是说这个神经元不会经历训练，即所谓的稀疏性。第三，relu函数的导数计算更快，程序实现就是一个if-else语句，而sigmoid函数要进行浮点四则运算。综上，relu是一个非常优秀的**函数。