神经网络结构的输出为所有输入的加权和，这导致整个神经网络是一个线性模型。如果将每一个神经元的输出通过一个非线性函数，那么整个神经网络的模型也就不再是线性的了，使得神经网络可以更好地解决较为复杂的问题。这个非线性函数也就是激活函数。
神经网络中激活函数的主要作用是提供网络的非线性建模能力，如不特别说明，激活函数一般而言是非线性函数。假设一个示例神经网络中仅包含线性卷积和全连接运算，那么该网络仅能够表达线性映射，即便增加网络的深度也依旧还是线性映射，难以有效建模实际环境中非线性分布的数据。加入（非线性）激活函数之后，深度神经网络才具备了分层的非线性映射学习能力。因此，激活函数是深度神经网络中不可或缺的部分。
从定义来看，几乎所有的连续可导函数都可以用作激活函数。但目前常见的多是分段线性和具有指数形状的非线性函数。下文将依次对它们进行总结。
TensorFlow提供的激活函数有：
详见官方文档
1、tf.nn.relu(features, name=None)
2、tf.nn.relu6(features, name=None)
3、tf.nn.softplus(features, name=None)
4、tf.nn.dropout(x, keep_prob, noise_shape=None, seed=None, name=None)
5、tf.nn.bias_add(value, bias, name=None)
6、tf.sigmoid(x, name=None)
7、tf.tanh(x, name=None)
除了上述的激活函数，TensorFlow当然还可以自定义激活函数
下面具体解析常用的激活函数tf.nn.relu(）、tf.sigmoid(）、tf.tanh(）：
1、tf.nn.relu(features, name=None)
对应的图像是：
ReLU的优点：
a. 相较于sigmoid和tanh函数，ReLU 对于 SGD（梯度下降优化算法） 的收敛有巨大的加速作用（Alex Krizhevsky 指出有 6 倍之多）。有人认为这是由它的线性、非饱和的公式导致的。
b. 相比于 sigmoid和tanh，ReLU 只需要一个阈值就可以得到激活值，而不用去算一大堆复杂的（指数）运算。
c. 有效缓解了梯度消失的问题。
d. 在没有无监督预训练的时候也能有较好的表现。
e. 提供了神经网络的稀疏表达能力。
ReLU的缺点：
a. 它在训练时比较脆弱并且可能“死掉”。举例来说：一个非常大的梯度经过一个ReLU神经元，更新过参数之后，这个神经元再也不会对任何数据有激活现象了。如果这种情况发生，那么从此所有流过这个神经元的梯度将都变成 0。也就是说，这个ReLU单元在训练中将不可逆转的死亡，导致了数据多样化的丢失。实际中，如果学习率设置得太高，可能会发现网络中 40% 的神经元都会死掉（在整个训练集中这些神经元都不会被激活）。
b. 合理设置学习率，会降低这种情况的发生概率。
后续又有相关ReLU衍生的激活函数，比如：ReLU6、SReLU、Leaky ReLU 、PReLU、RReLU、CReLU
1.1、ReLU6
1.2、LReLU、PReLU与RReLU
通常在LReLU和PReLU中，我们定义一个激活函数为
-LReLU
当ai比较小而且固定的时候，我们称之为LReLU。LReLU最初的目的是为了避免梯度消失。但在一些实验中，我们发现LReLU对准确率并没有太大的影响。很多时候，当我们想要应用LReLU时，我们必须要非常小心谨慎地重复训练，选取出合适的a，LReLU的表现出的结果才比ReLU好。因此有人提出了一种自适应地从数据中学习参数的PReLU。
-PReLU
PReLU是LReLU的改进，可以自适应地从数据中学习参数。PReLU具有收敛速度快、错误率低的特点。PReLU可以用于反向传播的训练，可以与其他层同时优化。
2、tf.sigmoid(x, name=None)
对应的图像是：
sigmoid的使用场景是只对一种类别进行分类。首先设置阈值（shrehold），当sigmoid函数输出值大于阈值，则认为【是】这一类，否则认为【不是】这类。
sigmoid优点：
a. Sigmoid函数的输出映射在(0,1)之间，单调连续，输出范围有限，优化稳定，可以用作输出层。
b. 求导容易。
sigmoid函数曾被广泛地应用，但由于其自身的一些缺陷，现在很少被使用了。
sigmoid缺点：
a. 函数饱和使梯度消失
sigmoid 在值为 0 或 1 的时候接近饱和，这些区域，梯度几乎为 0。因此在反向传播时，这个局部梯度会与整个损失函数关于该单元输出的梯度相乘，结果也会接近为 0 。因此这时梯度就对模型的更新没有任何贡献。
除此之外，为了防止饱和，必须对于权重矩阵的初始化特别留意。比如，如果初始化权重过大，那么大多数神经元将会饱和，导致网络就几乎不学习。
b. sigmoid 函数关于原点中心不对称
这个特性会导致后面网络层的输入也不是零中心的，进而影响梯度下降的运作。因为如果输入都是正数的话（如y=wx+b中每个元素都 x>0），那么关于w的梯度在反向传播过程中，要么全是正数，要么全是负数（具体依据整个表达式y而定），这将会导致梯度下降权重更新时出现z字型的下降。
如果是按 batch 训练，那么每个 batch 可能得到不同的信号，整个批量的梯度加起来后可以缓解这个问题。
后续又有相关sigmoid 衍生的激活函数，比如：softplus、softmax、softsign
2.1、 softmax是sigmoid函数的多分类样本，可以将输出值对应到多个类别标签，概率值最高的一项就是模型预测的标签。
2.2、 softplus
2.3、 softsign
目前使用的比较少，在这里就不详细讨论了。
3、tf.tanh(x, name=None)
对应的图像是：
tanh函数与sigmoid一样也存在饱和问题，但它的输出是零中心的，因此实际应用中tanh比sigmoid 更受欢迎。tanh函数实际上是一个放大的sigmoid函数。
tanh优点：
a. 比Sigmoid函数收敛速度更快。
b. 相比Sigmoid函数，其输出以0为中心。
tanh缺点：
a. 还是没有改变Sigmoid函数的最大问题–由于饱和性产生的梯度消失。
总结：深度学习的快速发展，催生了形式各异的激活函数。如何做出选择目前尚未有统一定论，仍需依靠实验指导。一般来说，在分类问题上建议首先尝试 ReLU，其次ELU，这是两类不引入额外参数的激活函数。然后可考虑使用具备学习能力的PReLU，并使用正则化技术，例如应该考虑在网络中增加Batch Normalization层。
参考：
1、浅谈深度学习中的激活函数 - The Activation Function in Deep Learning
2、深度学习中的激活函数导引
