几种常用的权重初始化方法
来源:投稿 作者:175
编辑:学姐
在深度学习中,权重的初始值非常重要,权重初始化方法甚至关系到模型能否收敛。本文主要介绍两种权重初始化方法。
为什么需要随机初始值
我们知道,神经网络一般在初始化权重时都是采用随机值。如果不用随机值,全部设成一样的值会发生什么呢?
极端情况,假设全部设成0。显然,如果某层的权重全部初始化为0,类似该层的神经元全部被丢弃(dropout)了,就不会有信息传播到下一层。
如果全部设成同样的非零值,那么在反向传播中,所有的权重都会进行相同的更新,权重被更新为相同的值,并拥有了对称(重复)的值。不管怎样进行迭代(sgd),都不会打破这种对称性,隐藏层好像只有一个神经元,我们无法实现神经网络的表达能力。只有我们前面介绍的Dropout
可以打破这种对称性。
为了打破权重的对称结构,必须随机生成初始值。
隐藏层激活值的分布
观察隐藏层激活值的分布,可以获得一些启发。
这里通过一个实验来看权重初始值是如何影响隐藏层的激活值分布的。
向一个5层神经网络(激活函数使用sigmoid函数)传入随机生成的输入数据,用直方图绘制各层激活值的数据分布。
# coding: utf-8
import numpy as np
import matplotlib.pyplot as pltdef sigmoid(x):return 1 / (1 + np.exp(-x))def ReLU(x):return np.maximum(0, x)def tanh(x):return np.tanh(x)input_data = np.random.randn(1000, 100) # 1000个数据
node_num = 100 # 各隐藏层的节点(神经元)数
hidden_layer_size = 5 # 隐藏层有5层
activations = {} # 激活值的结果保存在这里x = input_datafor i in range(hidden_layer_size):if i != 0:x = activations[i-1]# 改变初始值进行实验!w = np.random.randn(node_num, node_num) * 1# w = np.random.randn(node_num, node_num) * 0.01# w = np.random.randn(node_num, node_num) * np.sqrt(1.0 / node_num)# w = np.random.randn(node_num, node_num) * np.sqrt(2.0 / node_num)a = np.dot(x, w)# 将激活函数的种类也改变,来进行实验!z = sigmoid(a)# z = ReLU(a)# z = tanh(a)activations[i] = z# 绘制直方图
for i, a in activations.items():plt.subplot(1, len(activations), i+1)plt.title(str(i+1) + "-layer")if i != 0: plt.yticks([], [])plt.hist(a.flatten(), 30, range=(0,1))
plt.show()
这里假设神经网络有5层,每层有100个单元。然后,用高斯分布随机生成1000个数据作为输入数据,并把它们传给5层神经网络。这里权重的初始化也通过均值为0方差为1的高斯分布。
各层的激活值呈偏向0和1的分布。这里使用的sigmoid函数
是S型函数,随着输出不断地靠近0(或者靠近1,在S线的两端),它的梯度逐渐接近0。因此,偏向于0或1的数据分布会造成反向传播中梯度的值不断变小,最后消失。
我们知道,在L2正则化话会使权重参数变小,那么我们这里在初始参数的时候,直接设定一个较小的值会不会好一点。我们只要改下上面代码的27/28行。
# w = np.random.randn(node_num, node_num) * 1
w = np.random.randn(node_num, node_num) * 0.01
这次虽然没有偏向0和1,不会发生梯度消失的问题。但是激活值的分布有所偏向,这里集中于0.5附近。这样模型的表现力会大打折扣。
下面我们来了解比较常用的Xavier初始值和He初始值,看它们会对激活值的分布产生什么影响。
Xavier初始化
Xavier初始化的思想很简单,即尽可能保持所有层之间输入输出的方差一致。
结论是在初始化时从正态分布中随机采样来构成初始权重,其中和分别代表输入和输出的维度。
直接给出最终结果很简单,但是它是如何推导出来的呢?
下面就来推导看看,我们来看第l层的公式,假设激活函数是tanh:
对于两独立随机变量有:
如果同时X,Y的均值为零,有:
基于以上条件,那么:
其中,基于假设1有:
类似地,有:
和:
基于以上,我们有:
其中可以看成是输入信号,是输出信号。
也就是说,输入信号的方差经过该层后放大或缩小了倍。为了使得在经过多层网络后,输入信号不被过分放大或过分减弱,我们尽可能保持每个神经元的输入和输出方差一致,这样,需要有,即
如果我们考虑整个网络,并用L代表输出层的话。那么输出层的方差与输入层方差的关系为:
从这可以看出,我们输出和输入的方差变化取决于:
上面是正向传播过程,下面我们考虑反向传播过程。
网上大多数只有正向传播的证明,反向传播稍微复杂一点,但也不是无法证明的。
为了简化表示,我们引入一个记号:
其中C为损失。
先看第l层:
我们知道第层有个神经元,如下简单神经网络示意图所示,第二层的第j 个神经元影响了下一层的所有神经元,在计算反向传播时,需要进行梯度累积。
即为了让和上的梯度方差保持一致,需要有
该层的输出数量。
如果我们考虑整个网络,并用L代表输出层,x代表输入向量。那么输出的梯度和输入的梯度的关系为:
证明完毕。
为了简单(公式不好敲),后面用和分别表示某层的输入和输出大小。
若从均匀分布中生成权重参数,那么这里的
因为均匀分布的方差为:
令方差等于上面的调和平均数有:
虽然在上面的推理中,我们假设激活函数为恒等函数(“不存在非线性”)在神经网络中很容易被违反, 但Xavier初始化方法在实践中被证明是有效的。
继续上面的实验,我们采用Xavier初始化方法,这里输入和输出大小一致,因此取就可以了:
w = np.random.randn(node_num, node_num) * np.sqrt(1.0 / node_num)
可以看到,输出值在5层之后依然保持良好的分布。我们这里使用的激活函数为sigmoid
,那如果换成ReLU
会怎样呢?
z = ReLU(a)
前面几层看起来还可以,随着层数的加深,偏向一点点变大。当层加深后,激活值的偏向变大,就容易出现梯度消失的问题。
那么怎么办呢?Kaiming
初始化的提出就是为了解决这个问题。
Kaiming初始化
Kaiming初始化是由何凯明大神提出的,又称为He
初始化。主要针对ReLU
激活函数:
基于上面公式(4)(6),有:
再根据方差的公式:
公式(26)可以转换为:
上式最后几步基于W的均值为零,所以。
所以,由公式(27)有。
把x,y用原来的式子表示,并将(29)代入式(28)得:
为了让和的方差一致,需要有:
即
类似的,计算反向传播(注意要考虑ReLU的导数)可以得到
但是Kaiming初始化没有像Xaiver初始化
那样取两者的调和平均数,而是根据需要任取一个即可,就像Pytorch的实现那样根据需要取输入还是输出大小。
同理如果采用均匀分布的话,那么,这里n要么是输入大小,要么是输出大小。
继续上面的实验,采用He初始化方法:
w = np.random.randn(node_num, node_num) * np.sqrt(2.0 / node_num)
而当初始值为He初始值时,各层中分布的广度相同。由于即便层加深,数据的广度也能保持不变,因此逆向传播时,也会传递合适的值。
代码实现
代码实现就很简单了,代码地址:
几种常用的权重初始化方法相关推荐
- 权重初始化方法及适用情况
1. Gaussian 从具有固定均值(例如0)和固定2的标准差(例如0.01)的搞死分布中随机抽取权重,这是最常用的. 一般使用截断高斯. 2. Xavier 这种方法是但的缩放均值或者搞死分布进行 ...
- 几种常用的像素混合方法
前两天为大家介绍了处理透明光影效果的 Alpha-Blending 技术,今次我将再为大家介绍其它几种常用的像素混合方法,这些方法一般在游戏中被用来处理光影效果. 『Alpha-Blending』 前 ...
- 10种常用的网络营销方法
网络营销产生于20世纪90年代,发展至今已演变出越来越多的营销方法,在国内随着互联网影响的进一步扩大,人们对网络营销认知的进一步加深,网络营销方法手段也是各种推陈出新,下面就介绍如今网络营销最常用的1 ...
- **10种常用的网络营销方法**
**10种常用的网络营销方法** 网络营销产生于20世纪90年代,发展至今已演变出越来越多的营销方法,在国内随着互联网影响的进一步扩大,人们对网络营销认知的进一步加深,网络营销方法手段也是各种推陈出新 ...
- PyTorch学习笔记:针对一个网络的权重初始化方法
# 针对一个网络的权重初始化方法 import torch import torch.nn as nn## 建立一个测试网络 class TestNet(nn.Module):def __init__ ...
- 计算机中十二种常用密码的破解方法(转)
计算机中十二种常用密码的破解方法(转)[@more@] 在日常操作中,我们经常要输入各种各样的密码,例如开机时要输入密码,QQ时也要先输入密码,假如你忘记了这些密码,就有可能用不了机器.打不开文件.不 ...
- Python的Numpy库的ndarray对象常用构造方法及初始化方法
Python的Numpy库的ndarray对象常用构造方法及初始化方法 本文收集Python的Numpy库的ndarray对象常用的构造方法及初始化方法,会不断更新. 目录 1 直接赋值初始化一个nd ...
- 特征工程:8种常用类别型数据处理方法
8种常用类别型数据处理方法
- 深度学习方法(二十一):常用权重初始化方法Xavier,He initialization的推导
文章目录 交叉熵目标函数更陡峭 Xavier initialization [1][4] He initialization [2][3] He init 考虑ReLU函数 He init 考虑Lea ...
最新文章
- linux mingetty 命令详解
- 腾讯动漫爬虫与动态随机加载反爬破解技术实战
- 卷积神经网络matlab_基于卷积神经网络的遥感图像养殖区自动划分
- 每天一个linux命令(12):more命令
- Android Studio自定义视图无法预览
- Elasticsearch--springcloud整合 high-level-client-测试-保存数据---全文检索引擎ElasticSearch工作笔记024
- 搞事情的程序语法基础
- C++STL之next_permutation()函数使用
- aix ntp 配置_aix下开启ntp服务
- mysqldump导出数据
- 澳洲计算机博士怎么样,留学美国的一位计算机博士的感悟
- 一步步教你写一份优秀的软件测试简历(带样例)
- 安卓wifi连接 UID xxx does not have permission to update configuration “xxx“WPA_PSK
- 音视频5.1——MediaCodec 同步方式完成AAC硬解成PCM
- 用外置的tocat运行springboot项目的四个步骤
- Excel操作:如何锁定单元格、有几种方法实现分类汇总
- cadence allegro 16.6的下载与安装-破译版
- 淋巴瘤最新研究进展(2022年4月)
- (半平面交)POJ2451Uyuw‘s Concert
- FireMonkey 手机 APP 的手势