本文主要是介绍RELU是分段线性函数，怎么实现非线性呢？，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
- ReLu虽然在大于0的区间是线性的，在小于等于0的部分也是线性的，但是它整体不是线性的，因为不是一条直线。多个线性操作的组合也是一个线性操作，没有非线性激活，就相当于只有一个超平面去划分空间。但是ReLu是非线性的，效果类似于划分和折叠空间，组合多个（线性操作 + ReLu）就可以任意的划分空间。
- 对于浅层的机器学习，比如经典的三层神经网络，用它作为激活函数的话，那表现出来的性质肯定是线性的。但是在深度学习里，少则几十，多则上千的隐藏层，虽然，单独的隐藏层是线性的，但是很多的隐藏层表现出来的就是非线性的。(参考：https://blog.csdn.net/tianguiyuyu/article/details/79875641)线性和非线性，举个简单的例子，一条曲线无限分段，每段就趋向直线，反过来，很多这样的直线就可以拟合曲线。类似，大规模的神经网络，包含很多这样的线性基本组件，自然也可以拟合复杂的非线性情况。
- 文章 “On the Number of Linear Regions of Deep Neural Networks”，能够形象的想象Relu如何构造很多的线形空间（类似于折叠的方式），逼近非线性方程。
这篇关于RELU是分段线性函数，怎么实现非线性呢？的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
