深度学习之参数初始化（二）——Kaiming初始化

Delving Deep into Rectifiers: Surpassing Human-Level Performance on ImageNet Classification

Kaiming He, Xiangyu Zhang, Shaoqing Ren, Jian Sun.
ICCV 2016.

在介绍Xavier初始化方法的这篇博客的最后，我们提到Xavier初始化方法适用的激活函数有限：关于0对称；线性。而ReLU激活函数并不满足这些条件，实验也可以验证Xavier初始化确实不适用于ReLU激活函数。

Kaiming初始化

残差网络的作者在这篇论文中提出了ReLU网络的初始化方法：Kaming初始化。作者的推导过程针对的其实是卷积网络的前向和反向过程（惊奇地发现自己好像没有推导过卷积网络的梯度表达式）。而为了和Xavier初始化方法保持一致，这里我们还是讨论全连接网络结构。
关于期望、方差的性质，我们已经在Xavier初始化一节介绍过了，这里不再重复。

在Xavier论文中，作者给出的Glorot条件是：正向传播时，激活值的方差保持不变；反向传播时，关于状态值的梯度的方差保持不变。这在本文中稍作变换：正向传播时，状态值的方差保持不变；反向传播时，关于激活值的梯度的方差保持不变。
网络的表达式：

$${\bf{z}^i} = W^i {\bf{h}^{i-1}}, \tag 1$$

$${\bf{h}^i} = f({\bf z}^i). \tag2$$

---

前向过程

由公式（1）可知：

$$\begin{align} Var(z^i)=&n_{i-1}Var(W^ih^{i-1}) \\ =&n_{i-1}\left[E(W^ih^{i-1})^2- (E(W^ih^{i-1}))^2\right] \\ =&n_{i-1}\left[E(W^i)^2E(h^{i-1})^2 - (E(W^i))^2(E(h^{i-1}))^2 \right] \end{align}$$
假设 $$E(W^i)=0\tag3，$$

又激活函数是ReLU，所以激活值的期望$E(h^{i-1})$不为0。于是上式可以写成

Var(zi)==ni−1E(Wi)2E(hi−1