需要激活函式的主要原因如下：
引入非線性因素。激活函式為神經網路引入非線性因素，使得神經網路能夠學習和表現更複雜的任務。沒有激活函式，神經網路的每一層輸出都將是上一層輸入的線性函式，無論網路層數多少，輸出都只能是輸入的線性組合，這將限制神經網路的能力。引入非線性激活函式後，神經網路可以逼近任何非線性函式，從而更好地處理複雜問題和數據。
改善模型擬合能力。線性模型能擬合的模型較少，多層線性網路的疊加仍然是線性模型。通過添加非線性激活函式，可以改善模型的擬合效果，使其能夠學習和模擬更複雜類型的數據，如圖像、視頻、音頻等。
綜上所述，激活函式在神經網路中扮演著至關重要的角色，它們通過引入非線性和改善模型擬合能力，極大地擴展了神經網路的套用範圍和處理複雜任務的能力。