ReLU関数グラフ・最大201点の表とTSVを計算

使い方

1. xの初期値、非0の増分、点数を入力します。既定値は−5から5まで0.1刻みの101点です。
2. 負側で横軸上の0、正側で傾き1となる折れ線を確認し、x=0が格子に含まれるかを見ます。
3. 表で負の代表点、0、正の代表点を検算し、再利用するときはxとReLU(x)のTSVをコピーします。

計算式・考え方

ReLU(x)=max(0,x)です。x≤0では0、x>0ではxを返します。各標本x_i=x初期値+i×増分を独立評価し、結果を入力順のまま線で接続します。

注意事項

• ReLUは負の入力を0へ切り上げ、正の入力をそのまま通す区分線形関数です。既定の−5〜5では左半分が横軸、右半分が傾き1の直線となり、index 50のx=0で二つの枝が接続します。
• x=0で関数値は0ですが、通常の実解析では左右微分が0と1で一致しません。本ページは関数値だけを描き、境界勾配を0、1、その他の値へ決めません。自動微分ライブラリとの比較では境界の実装規約を別に確認してください。
• 負側が全て同じ0になるため、非常に広い範囲を粗く標本化すると折れ点周辺の情報が少なくなります。0付近の形を確認する場合は、初期値と最終点を狭め、0が格子点へ入る増分を選びます。
• 既存の一点ReLU計算と式は同じですが、このページは最大201個のxを一つの系列として保持し、グラフと全行表を同時に返します。一点ページを単純に複製するのではなく、標本順序、端点、TSV列を含む系列契約です。
• ReLUはニューラルネットワークで広く使われますが、曲線だけから勾配消失、学習収束、精度、ロバスト性を判定できません。モデルでは入力分布、重み初期化、正規化、精度型などを含めて評価してください。
• 活性化関数の定義はPyTorch公式torch.nnドキュメントのReLU、Tanh、Sigmoid、Softsign、Softplus、LeakyReLUを2026年7月13日に確認しました。テンソル演算のAPIではなく、各要素へ適用される実数関数式だけを系列の根拠にしています。
• 相互運用仕様はONNX公式Operatorsドキュメントを2026年7月13日に照合しました。LeakyReluのalpha既定値0.01、Softplusのlog(exp(x)+1)、Relu、Sigmoid、Tanhの要素単位定義を確認し、倍精度で安定な同値式へ変形しています。
• サンプル番号iを0から点数−1まで取り、x_i=x初期値+i×x増分で作ります。点数には初期値と最終点の両方を含みます。増分を負にするとxは降順になり、同じ関数を右から左へ確認できます。増分0は参照ページで表列が崩れるため明示的に拒否します。
• 点数は1〜201へ有界化しています。線は隣接する計算点を視覚的に結ぶもので、点の間を追加評価した結果ではありません。急な折れ曲がりや飽和域を調べるときは、区間を狭めるか点数を増やし、重要なxが格子点に含まれるよう初期値と増分を選んでください。
• グラフが主結果ですが、色や線だけに依存しない同値のデータ表を必ず併記し、全行をTSVとしてコピーできます。表のxと各系列値が正本で、グラフはその可視化です。スクリーンリーダーでは結果の要約、列見出し、行データの順に確認できます。
• 式はschema v4のsampled-series-v1で各xを独立評価します。許可制ASTと既存named functionだけを使い、eval、new Function、外部API、CDN、fetch、XHR、WebSocketへ接続しません。入力と生成系列は利用者の端末内だけで処理され、サーバーや第三者へ送信・保存されません。
• グラフの形だけで学習性能、確率モデルの適合、工学現象の妥当性は判断できません。関数名、パラメータ、入力尺度、浮動小数点精度を合わせ、必要なら表の代表点を別実装と数値比較してください。低精度テンソルや量子化モデルでは倍精度の本ページと末尾桁や飽和開始位置が異なる場合があります。
• 実数関数を有限格子で標本化した学習・検算用グラフです。モデル性能、統計的適合性、設計安全性を判定しません。

よくある質問