深度学习激活函数解析：Sigmoid、ReLU及主要变体

深度学习激活函数详解：从Sigmoid到ReLU及其变体演进

在深度学习中，激活函数是一个绕不开的核心问题。很多初学者习惯直接背诵公式，但要真正理解“为什么需要激活函数”，往往需要从“线性变换的局限性”这个起点入手。

一、神经网络与线性变换的局限性

典型的神经网络由输入层、隐藏层和输出层构成。每一层的基本操作，实质上是一个加权求和——也就是线性变换：

y = wx + b

那么，如果把多个线性层堆叠起来，会发生什么？

我们来算一笔账。假设两个线性层叠加：

y = w₂(w₁x + b₁) + b₂ = (w₂w₁)x + (w₂b₁ + b₂)

结果发现，绕了一大圈，最终仍然是一个线性函数。没错，这意味着无论网络层数多深，其表达能力都被限制在拟合线性数据的范围内。面对曲线边界、螺旋分布等非线性模式，它完全无能为力。

二、激活函数的核心作用

如何打破这个困局？方法是在每一层线性变换之后，引入一个非线性映射。这，正是激活函数的关键价值。

通俗地说：原本线性层输出一个 y，现在用一个非线性函数 f 对它进行“加工”——f(y) 才是真正的输出。这一操作，让神经网络从“直线思维”进化为“曲线思维”，从而能够学习并表达复杂的数据模式。

三、常见激活函数及其特性

3.1 Sigmoid 激活函数

公式：

特性：输出范围在 (0,1) 之间，平滑且单调递增。其导数也很容易计算：σ′(x)=σ(x)(1−σ(x))。

优势：输出范围有限，数值稳定，不易溢出。更重要的是，输出值介于 0 到 1 之间，天然适合作为二分类任务的输出层——可以直接理解为概率，直观易懂。

缺点：但它的明显短板是梯度消失问题。Sigmoid 的导数最大值仅为 0.25，这意味着在深层网络反向传播时，梯度经过多层 Sigmoid 会迅速衰减，最终几乎为零。结果就是前面的网络层几乎无法学习，训练陷入停滞。

3.2 ReLU ⚡——深度学习的标配

公式：

ReLU(x) = max(0, x)

特性：输入为正时输出本身，为负时输出 0，简单直接。

优势：首先，当 x>0 时导数为 1，梯度可以无损反向传播，极大支持深层网络的训练。其次，没有复杂的指数运算，计算效率极高，训练速度显著提升。再者，输入为负时输出 0，恰好模拟了人脑神经元的稀疏激活模式——通常只有 1% 到 4% 的神经元同时激活。这种特性减少了特征冗余，帮助网络聚焦于关键特征。

缺点：但 ReLU 也有一个令人头疼的问题——神经元死亡。一旦某个神经元的权重更新后，其线性输出持续为负，ReLU 输出恒为 0，导数也恒为 0。此后该神经元再也无法被激活，参数彻底“冻结”，成为死神经元。

3.3 ReLU 的改进变体

针对神经元死亡问题，研究者提出了多种改进方案：

1. Leaky ReLU

公式：

其中 α 是一个很小的正常数（如 0.01）。

特性：在 x<0 时不再直接置零，而是赋予一个微小的斜率 α。这样一来，负区间也有梯度流动，参数在训练中仍有更新机会。虽然更新幅度很小，但至少保留了恢复的可能性，相比 ReLU 的“一刀切”更为温和。

2. GELU —— Transformer 家族的新宠

公式：

特性：GELU 将输入值 x 与其概率 P(X≤x) 结合。可以理解为：它根据输入大小，以概率方式对输入进行缩放——x 为正时输出接近 x，为负时输出接近 0，但整个过程平滑且非线性。这种概率平滑性使 GELU 在 Transformer 模型（如 BERT、GPT）中大放异彩，尤其在自然语言处理任务中，通常比 ReLU 及其变体表现更优。

四、总结

回顾激活函数的发展历程，从经典的 Sigmoid 到主流的 ReLU，再到 Leaky ReLU 和 GELU 等改进版本，每一次演进都是在非线性表达能力、梯度传播效率和计算成本之间寻找更优的平衡。激活函数是神经网络能够成为“通用函数逼近器”的核心要素。在实际项目中，根据任务类型和数据特性选择合适的激活函数，往往是模型能否成功落地的关键环节。