分类器神经网络的最后一层是否同时使用 sigmoid 和 softmax？

【问题标题】：Does the last layer of a classifier neural network use both sigmoid and softmax?分类器神经网络的最后一层是否同时使用 sigmoid 和 softmax？
【发布时间】：2018-03-18 10:37:21
【问题描述】：

分类器网络的隐藏层使用 sigmoid 或其他激活函数来引入非线性和规范化数据，但最后一层是否使用 sigmoid 和 softmax 结合？

我觉得这无关紧要，网络会以任何一种方式进行训练——但是否应该单独使用 softmax 层？还是应该先应用sigmoid函数？

【问题讨论】：

标签： neural-network classification softmax sigmoid

【解决方案1】：

一般来说，在 softmax 输出层之前进行额外的 sigmoid 激活是没有意义的。由于 sigmoid 函数是a partial case of softmax，它只会将值连续两次压缩到[0, 1] 区间中，这将产生几乎均匀的输出分布。当然，你可以通过这个传播，但是效率会低很多。

顺便说一句，如果你选择不使用 ReLu，那么 tanh 绝对是 a better activation function 而不是 sigmoid。

【讨论】：

谢谢！你能引导我到一个资源，在那里我可以进一步了解分类器中的 tanh 与 sigmoid 吗？我之前曾看到它们被描述为极具可比性。
@EvanWeissburg 当然，强烈推荐这篇文章 - cs231n.github.io/neural-networks-1/#actfun