任务1：使用神经网络完成服饰图像分类

1.1任务知识-感知机;任务导入;1.任务导入;2.任务目标;3.任务导学;4.任务知识;4.任务知识;4.任务知识;4.任务知识;4.任务知识;激活函数

引入非线性特性

可以实现复杂的映射关系

也被用于限制输出范围

还可以缓解梯度消失问题

增强网络的表达能力

;常用激活函数

Sigmoid函数，将输入值映射到一个在0到1之间的连续区间，输出值介于0和1之间，它的输出值可以被视为概率值，因此常用于二元分类问题。

;常用激活函数

ReLU函数，同时在各种预测任务中表现良好。ReLU提供了一种非常简单的非线性变换。ReLU函数在输入大于0时返回输入值本身，否则返回0。它的优点是计算简单，且在实践中通常表现良好。它还可以缓解梯度消失问题，并加速网络的收敛速度。;常用激活函数

Tanh函数（双曲正切函数）：

与sigmoid函数类似，tanh(双曲正切)函数也能将其输入压缩转换到区间(-1,1)上

它与Sigmoid函数类似，但是输出范围更广，且均值为0，训练速度相对快;常用激活函数

Softmax函数通常用于多类别分类问题，它将神经网络的原始输出转换为一个概率分布，使得输出的各个类别之间的概率总和为1。

Softmax函数将多个输出转换为表示概率分布的形式，便于解释和比较。;任务总结;敬请指导！