神经网络中常见的非线性激活函数有三种，分别是sigmoid，tanh和relu函数，接下来从以下三点分别介绍三种激活函数。
运算速度是否会梯度消失神经网络隐层的输出是否为zero-centered首先先说明一下第三点中提到的zero-centered(以0为中心)大概是个什么意思。
zero-centered 这个字面意思是以0为中心，简单理解就是说神经网络每一层输出的数据都是有正有负，不是全为正或者全为负的。如果输出不符合这种规律的话，会导致网络的收敛速度变慢。那么为什么会变慢呢？ 由于神经网络中的计算和更新方法是这样的：给定一个输入x，依次前向计算每一个隐层的输出，计算公式如下： 直到最后一层输出层，得到最终的y的结果，然后y和真实的标签比较，计算误差E，然后计算E对待更新的参数的偏导，最后根据反向传播算法中的梯度更新规则来更新每一个参数。 E对于参数的偏导和梯度更新规则分别如下： 激活函数是g函数，（式4）中等式右边第一项是（y - label），第二项就是激活函数求导，等式第三项就是x。 先来看第一种情况，网络的每一层输出恒为正值，即x恒为正值。如果激活函数求导恒为正值，（y - label）的值不定，那式4的偏导数将取决于（y - label），反向传播回去的梯度是恒为正或者恒为负。 再来看第二种情况，网络中的每一层输出恒为负，即x恒为负值。如果激活函数求导恒为正值，（y-label）值不定，那式4的偏导数将取决于（y - label），反向传播回去的梯度是恒为正或者恒为负。 如果网络的一批参数w=（w1,w2）,网络的优化目标是要让w1一直增大，w2一直减小，然而反向传播回去的梯度恒为正或者恒为负，网络的收敛路线可能是锯齿状，这样网络的收敛速度会下降，很难达到收敛状态。 所以，网络中的每层输出的值符合zero-centered会有利于神经网络的训练和收敛。 有一种解决办法就是在每一层的输出上进行batch normalization操作，保证每一层的输出都是zero-centered。 接下来分别讨论三种激活函数。
sigmoid函数形状是s形。这是深度学习领域开始时使用频率最高的激活函数，他将输出值压缩到0-1之间，函数曲线平滑便于求导。 它的曲线和它的导数曲线如下： 但是sigmoid函数有三大缺点：
容易出现梯度消失 从它的导数曲线可以看出，当x大于5或者小于-5的时候，它的梯度几乎为0；再加上它的导数最大值是0.25，也就是说没往回传一次梯度，梯度就要被压缩至少！！！至少四分之一，多往回传几层梯度，梯度一直被压缩，也很容易出现梯度为0的情况。传回来的梯度为0，根据参数更新规则（式5），参数基本不会有所更新，网络基本不会优化。网络中的输出的值不是zero-centered 根据左边的函数曲线可以看出，它的输出恒为正值，也就是x恒为正值，而且它的导数曲线也恒为正值，所以说反向传播训练时，它的梯度符号一直不变，这样所有参数更新的时候会一直朝着正方向或者负方向更新，会走很多弯路，模型收敛的速度减慢。前向传播的时候幂运算比较耗时这个函数曲线同样也是s形，也是全区间可导的，把输出限制在[-1,1]。
会出现梯度消失 从右边的导数曲线可以看出，当x大于5或者小于-5的时候，梯度为0；而且它的导数数值在[0,1]，这样每次回传梯度的时候，也会对上游的梯度进行压缩，极有可能出现梯度为0的情况。输出是zero-centered 由于它的曲线输出范围是在[-1,1], 有正有负，尽管它的导数数值恒为正，最后的梯度数值有正有负，模型收敛的速度会快。幂运算耗时这个函数是取最大值函数，尽管不是全区间可导的，但是可以取次梯度来计算。
解决了梯度消失的问题（在正区间） 在正区间，它的梯度保持在1上，所以梯度不管回传多少个隐层，都不会被压缩，所以不会出现梯度消失的问题。网络上每层输出不是zero-centered 由于它的输出或者大于0或者等于0，所以梯度或者等于0或者是保持一致的符号，所以参数更新的路径也会呈现锯齿状，模型收敛的速度也会减慢。尽管如此他的收敛速度还是远远快于sigmoid和tanh。计算速度非常快，只需要判断输入是否大于0 除此之外，relu会使一部分神经元的输出为0，这样就造成了网络的稀疏性，并且减少了参数的相互依存关系，缓解了过拟合问题的发生。 他还存在一个问题就是Dead ReLU Problem，这指的是某些神经元可能永远不会被激活，导致相应的参数永远不能被更新。有两个主要原因可能导致这种情况产生: (1) 非常不幸的参数初始化，这种情况比较少见 (2) 学习速率太高导致在训练过程中参数更新太大，不幸使网络进入这种状态。解决方法是可以采用Xavier初始化方法，以及避免将学习速率设置太大或使用adagrad等自动调节学习速率的算法。 Relu目前是最常用的激活函数。