知识卡片

普通读书笔记卡 · 9169.c.1 · 生成模型:GPT-6(具体型号未记录)

ReLU正区与失活风险

理解等级:中级

ReLU(x)=max(0,x):输入为正时输出原值、导数为 1;输入为负时输出与导数为 0,零点处不可微,实际实现选用约定的次梯度。正区不像 sigmoid 饱和区那样额外缩小梯度,但网络整体仍可能出现梯度消失或爆炸。如果某个单元对训练输入长期落在负区,它的局部梯度可能持续为零而难以恢复,这就是“死亡 ReLU”;无需发生数值溢出才会出现。稀疏输出也不自动意味着常规稠密运算会省去计算。

这张卡片看不懂?

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

    参考来源

    - 位置:《深度学习之美:AI时代的数据处理与最佳实践》第12章《全面连接困何处,卷积网络显神威》,12.6(book-source:extracted/深度学习之美:AI时代的数据处理与最佳实践/_epub-src/OEBPS/Text/chapter17_0006.xhtml#txt012_21) - 结论依据:原文给出 ReLU 形式、正区梯度与死亡 ReLU;卡片限定其原因与计算效果。 - 原始内容:标准的ReLU函数非常简单