如果不用激励函数（其实相当于激励函数是f(x) = x），在这种情况下你每一层输出都是上层输入的线性函数，很容易验证，无论你神经网络有多少层，输出都是输入的线性组合，与如果不用激励函数（其实相当于激励函数是f(x) = x），在这种情况下你每
阅读背景：
人工神经网络中的activation function的作用以及ReLu，tanh，sigmoid激励函数的区别
来源：互联网
如果不用激励函数（其实相当于激励函数是f(x) = x），在这种情况下你每一层输出都是上层输入的线性函数，很容易验证，无论你神经网络有多少层，输出都是输入的线性组合，与如果不用激励函数（其实相当于激励函数是f(x) = x），在这种情况下你每
分享到：
