深度学习：Tanh 激活函数的优势与 Sigmoid 的比较

使用 Tanh 而不使用 Sigmoid 的原因是，Tanh 的取值范围是 [-1, 1]，而 Sigmoid 的取值范围是 [0, 1]。在使用神经网络进行训练时，Tanh 可以将输出值转换为具有正负值的范围，使得神经网络可以更好地处理输入数据中的负数。此外，Tanh 也比 Sigmoid 更具有非线性特性，因此可以更好地适应复杂的数据分布。因此，在训练深度神经网络时，Tanh 通常比 Sigmoid 更受欢迎。