知识卡片
Sigmoid与tanh都会饱和
Sigmoid 输出在 (0,1),导数为 σ(1−σ)。tanh 输出在 (−1,1),可保留符号,但输入的绝对值很大时也会饱和。反向传播连续乘小导数时,靠前的参数收到的梯度很小。tanh 的函数形状对称,具体样本输出均值还依赖输入分布。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 深度神经网络 · 查看原书依据
梯度值已经趋向于0
参考来源
- 位置:《机器学习观止:核心原理与实践》第12章《深度神经网络》(来源项目 book-source,`extracted/机器学习观止:核心原理与实践/_epub-src/OEBPS/Text/chapter12.xhtml`)。
- 结论依据:第 12.2.1、12.2.2 节以函数和导数形状解释饱和与中心性,正文 Sigmoid 导数等号两边的写法有排印错误。
- 原始内容:梯度值已经趋向于0