输出saturating neurons的activation：

• sigmoid: input neurons的值会被挤压到[0,1]的区间
• tanh：input neurons的值会被挤压到[-1,1]的区间输出

non-saturating neurons 的activation：

• relu：input neurons的值，要么变0， 要么保持原值（无挤压，无最大最小值限制）l- eaky_relu：input neurons的值， 要么按照某比例缩小，要么保持原值（无挤压，无最大最小值限制）

为什么要用relu这样的能生成non-saturating neurons的non-linear activations, 而不用生成saturating neurons的sigmoid或tanh?

• 规避vanishing, exploding of gradients 带来的gradient值过大过小，导致训练效率低下
• 使用了RELU后，训练效率大幅提升

最后，回头问一句，什么是saturation? 为什么要叫saturating, non-saturating?

• 因为有一个数学计算叫做saturation arithmetic
• 这个算法就是要求将input的值全部变成在某个最大值和最小值之间的值。