激活函数Swish

  Swish函数先对来说是比较新的一些激活函数，算是由之前的激活函数复合而成出来的。也是由Google提出的，毕竟资力雄厚，承担的起搜索的任务。而且这个算法感觉曝光率还算比较高，就在这里整理一下，同时后面的文章也会再次提到这个函数。
  对前面的激活函数有了一定的基础之后，理解Swish激活就容易很多了，Swish函数的表达式是 $f(x)=x·\sigma(x)$， $\sigma(x)$就是sigmoid函数。因为sigmoid函数的饱和性容易导致梯度消失，借鉴ReLU的效果，当 $x$非常大的时候，这个时候有 $f(x)$趋近于 $x$，但是当 $x→-∞，则f(x)→0$，函数的大致走势和ReLU比较相似，但是又比ReLU复杂。
  但是呢，为了让自己理论看起来更厉害一些，所以通常就把自己的想法抽象成一个框架，以囊括更多的东西进去。通常在函数上体现就是加几个超参数进去，然后呈现出更多的特性。在Swish中，加了一个超参数使得函数表达式变成了 $f(x)=x·\sigma(\beta x)$，然后说这个 $\beta$可以是常量，或者是可训练参数。函数的图像如下。

  接下来就是考虑这个激活函数的反向传播了，核心步骤就是求导。显然这里就是复合求导。 $f(x)=x·\sigma(\beta x)$则有


  上面已经提到过 $x→±∞$的情况，容易明白在 $x>0$的时候，同样是不存在梯度消失的情况。而在 $x<0$的时候，神经元也不会像ReLU一样出现死亡的情况。同时Swish相比于ReLU导数不是一成不变的，这也是一种优势。而且Swish处处可导，连续光滑。另外还有一个特点就是Swish并非一个单调的函数。但是swish也并非没有任何缺点，最大的缺点就是计算量大，本来sigmoid函数就不容易计算。
  在Swish之上，后面有人提出了一种激活函数叫h-swish，这个h代表hard(硬)的意思。大概是想让激活函数硬起来。我说的是边界，sigmoid函数取值位于[0,1]之间，两侧边界都是趋近于0或者1，这个趋近于就是soft的意思，如果直接就是常量，这就是hard。
  找到一个sigmoid函数的近似，但是两边边界是hard的。这个函数就是 $f(x)=\frac{relu6(x+3)}{6}$，relu6代表着什么，因为relu函数无上界，给relu函数加一个上界，如果大于6，就让relu函数的值等于6，就是relu6。图像如下。

  显然如果对relu6再除6再向左平移三个单位，就会得到一条类似于sigmoid函数的图像。对比图如下。

  可以看到swish中使用到了sigmoid函数，如果我们使用h-sigmoid来构造swish函数，就得到了h-swish函数。这样一近似，计算量也变小了。

  这个激活后函数基本就是这样了，不知道以后是否会变成一种范式，彻底撼动ReLU的地位。

pytorch实现

class SwishImplementation(torch.autograd.Function):
    @staticmethod
    def forward(ctx, i):
        ctx.save_for_backward(i)
        return i * torch.sigmoid(i)

    @staticmethod
    def backward(ctx, grad_output):
        sigmoid_i = torch.sigmoid(ctx.saved_variables[0])
        return grad_output * (sigmoid_i * (1 + ctx.saved_variables[0] * (1 - sigmoid_i)))
    
class Swish(nn.Module):
    def forward(self, x):
        return SwishImplementation.apply(x)

系列文章：

神经网络中的激活函数总述
sigmoid激活函数
tanh激活函数
ReLU系列激活函数
maxout激活函数
Swish激活函数
激活函数发展的新里程——EvoNorms