知识卡片
ReLU正区与失活风险
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?
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
- 全面连接困何处,卷积网络显神威 12.6 · 查看原书依据
标准的ReLU函数非常简单
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