Swish 激活函数的定义

Swish 激活函数由 Google Brain 团队提出，其数学表达式为：
$f(x) = x \cdot \sigma(\beta x)$
其中 $\sigma$ 是 Sigmoid 函数，$\beta$ 是可学习的参数或固定超参数。当 $\beta=1$ 时，Swish 退化为原始形式；$\beta=0$ 时等效于线性函数 $f(x)=x/2$。

---

自门控机制原理

Swish 的核心特性是自门控（Self-Gated），即输入 $x$ 通过 Sigmoid 函数生成一个介于 $(0,1)$ 的权重，动态缩放原始输入。这种机制与 LSTM 中的门控类似，但完全由输入自身驱动。

• 动态调节：对于较大的正输入，Sigmoid 输出接近 1，Swish 近似线性；对于负输入，Sigmoid 输出接近 0，抑制神经元激活。
• 平滑性：Swish 处处连续可导，且导数界于 $(0,1.1]$，利于梯度传播。

---

关键特性

1. 无界性
   Swish 在正区间无上界，可避免类似 ReLU 的神经元“死亡”问题。

2. 非单调性
   虽然整体趋势单调，但小负值区域存在轻微下降（$\beta>0$ 时），可能增强表达能力。

3. 导数特性
   导数公式为：
   $f'(x) = \sigma(\beta x) + \beta x \cdot \sigma(\beta x)(1-\sigma(\beta x))$
   梯度不易消失，且存在自调整效应。

---

PyTorch 实现示例

import torch
import torch.nn as nn

class Swish(nn.Module):
    def __init__(self, beta=1.0, trainable=False):
        super().__init__()
        if trainable:
            self.beta = nn.Parameter(torch.tensor(beta))
        else:
            self.beta = beta

    def forward(self, x):
        return x * torch.sigmoid(self.beta * x)

---

与 ReLU 的对比优势

• 训练稳定性：Swish 的平滑性使得损失曲面更平缓，初始训练速度可能慢于 ReLU，但后期收敛更稳。
• 模型泛化：实验显示在深层网络中（如 ResNet-152），Swish 相比 ReLU 能提升约 0.5-1% 的准确率。
• 鲁棒性：对超参数 $\beta$ 不敏感，通常固定为 1 即可。

---

注意事项

• 计算成本：因包含 Sigmoid 运算，比 ReLU 慢约 20-30%。
• 初始化建议：使用标准初始化（如 Kaiming）时需注意 $\beta$ 的尺度，过大可能导致梯度爆炸。