Leaky ReLU
概念：
Leaky ReLU是ReLU的一种变体，改变之处在于 负数的输出不再是0了，而是一个很小的数值，比如0.1或0.01。
优点：
Leaky ReLU的优点在于可以避免出现“神经元死亡”的情况，即在训练过程中某些神经元的输出始终为0，从而导致无法更新其权重，而Leaky ReLU可以在一定程度上解决这个问题。
FReLU（Flatten ReLU）
优点：
减少参数量：FReLU不需要额外的参数，因此可以减少模型的参数量。
具有更好的表示能力：由于FReLU可以将输入展平成一维向量，因此可以在不增加参数量的情况下提高模型的表示能力。
提高模型的鲁棒性：由于FReLU对输入进行了展平操作，因此可以提高模型对输入的鲁棒性，从而减少过拟合的风险。
SiLU（Sigmoid Linear Unit）
相对于ReLU函数，SiLU函数在接近零时具有更平滑的曲线，并且由于其使用了sigmoid函数，可以使网络的输出范围在0和1之间。这使得SiLU在一些应用中比ReLU表现更好，例如在语音识别中使用SiLU比ReLU可以取得更好的效果。
🤬------------注意----------🤬：
版权声明：
本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如若内容造成侵权、违法违规、事实不符，请将相关资料发送至xkadmin@xkablog.com进行投诉反馈，一经查实，立即处理！
转载请注明出处，原文链接：https://www.xkablog.com/haskellbc/23536.html