Relu 与 leakyRelu_relu和leaky relu

转自：激活函数Relu 及 leakyRelu_有丝吼的博客-CSDN博客_leaky relu

Relu 及 leakyRelu是深度学习中常用的激活函数，看了几篇博客后，做一个小的总结。
     1. Relu：
              数学表达式：a = max(0, z)
            函数图像为：
                  
           优点：由上图可以看出，Relu得到的SGD的收敛速度较快
           缺点：训练的时候很容易‘die'了，对于小于0的值，这个神经元的梯度永远都会是0，在实际操错中，如果learning rate很大，很可能网络中较多的神经元都'dead'了，即使是较小的learning rate，这种情况也很有可能发生。
        为了解决以上的问题，提出了leakyRelu激活函数：
    2. leakyRelu：
            数学表达式：y = max(0, x) + leak*min(0,x)  （leak是一个很小的常数，这样保留了一些负轴的值，使得负轴的信息不会全部丢失）
            leakyRelu的图像：
                        
 3. 在tf中的实现：
         Relu在tf中有官方的实现，可以直接调用函数 tf.nn.relu( features, name= None )
         leakyRelu的简单实现可以这么写： tf.maximum(leak * x, x),
          比较高效的写法为：