什么时候需要用激活函数

激活函数是在神经网络中的每个神经元上应用的非线性函数。它的作用是为模型引入非线性特性，从而使模型能够更好地适应复杂的数据模式。

激活函数通常在神经网络的隐藏层和输出层中使用。在隐藏层中，激活函数可以帮助网络学习更复杂的表示，捕捉输入数据中的非线性关系。而在输出层中，激活函数可以将网络的输出映射到适当的范围，例如将输出限制在0到1之间（sigmoid函数）或将输出转换为概率分布（softmax函数）。

因此，当构建神经网络时，我们通常需要在隐藏层和输出层之间使用适当的激活函数，以增加模型的表达能力和预测能力。