深度学习相关概念：权重初始化

  权重初始化（weight initialization）又称参数初始化，在深度学习模型训练过程的本质是对weight（即参数 W）进行更新，但是在最开始训练的时候是无法更新的，这需要每个参数有相应的初始值。在进行权重初始化后，神经网络就可以对权重参数w不停地迭代更新，以达到较好的性能。

1.全零初始化（×）

  全零初始化是我们要避免的，它无法训练网络。因为全零初始化后，神经网络训练时，在反向传播时梯度相同，参数更新大学也一样，最后会出现输出层两个权值相同，隐层神经元参数相同，也就是说神经网络失去了特征学习的能力。通俗点说，把神经网络比作你在爬山，但身处直线形的山谷中，两边是对称的山峰。如果全零初始化，由于对称性，你所在之处的梯度只能沿着山谷的方向，不会指向山峰；你走了一步之后，情况依然不变。结果就是你只能收敛到山谷中的一个极大值，而走不到山峰上去。

2.随机初始化

2.1 高斯分布/均匀分布

  实验网络结构：10个隐层，1个输出层，每个隐层包含500个神经元，使用的双曲正切激活函数（tanh）。

2.1.1权重较小—$\mathcal{N}(0,0.01)$

  除了前两层，后续所有层的激活值为0；此时，输入信息传递不到输出层；最终，网络得不到训练。小权重高斯初始化（小型网络中很常见），然而当网络越来越深的时候，会出现梯度消失的情况。

2.1.1权重较大—$\mathcal{N}(0,1)$

  几乎所有的神经元都饱和了（不是-1就是1）；前向传播时，神经元要么被抑制（0），要么被饱和（1）。此时，神经元局部梯度都是零，网络没有反向梯度流（梯度消失)；最终，所有的参数得不到更新。

2.1.3存在问题：

  随机初始化其实很难的，尝试太小的值，信息传不过去（2.1.1中权重分布都在0），值太大的时候梯度信息传递过去了，他们又进入了饱和区，梯度缺变成了0（2.1.2中权重不是1就是-1），虽然能让我的梯度传过来的每个成员的这个算的结果不一样，得出来的更新全值不一样但是很多时候能更新的机会都没有。在2.1.1的前项传播中，信息流消失；在2.1.2的反向传播中的梯度消失了，网络是没法训练的。

  那到底怎么应该初始化呢？

  有效的初始化方法：使网络各层的激活值和局部梯度的方差在传播过程中尽量保持一致；以保持网络中正向和反向数据流动。

2.2 Xavier初始化

2.2.1 原理

  假设一个神经元, 其输入为 $z_1,z_2,\cdots z_N$, 这 $N$ 个输入是独立同分布的; 其权值为 $w_1,\dots \dots ,w_N$, 它们也是独立同分布的，且 $w$ 与 $z$ 是独立的; 其激活函数为 $f$; 其最终输出 $y$ 的表达式:
$$y=f\left(w_1\ast z_1+\cdots +w_N\ast z_N\right)$$
  基本思想: 使网络各层的激活值和局部梯度的方差在传 播过程中尽量保持一致, 即寻找 $w$ 的分布使得输 出 $\mathrm{y}$ 与输入 $z$ 的方差一致.

  假设 $f$ 为双曲正切函数, $w_1,\cdots ,w_N$ 独立同分布, $z_1,\cdots ,z_N$ 独立同 分布, 随机变量w与 $z$ 独立, 且均值都为 0 , 则有:
$$\begin{array}{rl}\mathrm{Var}(y)& =\mathrm{Var}\left(\sum _{i=1}^N{w}_i{z}_i\right)=\sum _{i=1}^N\mathrm{Var}\left(w_i{z}_i\right)\\ & =\sum _i^N{\left[E\left(w_i\right)\right]}^2\mathrm{Var}\left({\mathrm{z}}_i\right)+{\left[E\left(z_i\right)\right]}^2\mathrm{Var}\left(w_i\right)+\mathrm{Var}\left(w_i\right)\mathrm{Var}\left(z_i\right)\\ & =\sum _i^N\mathrm{Var}\left(w_i\right)\mathrm{Var}\left(z_i\right)\\ & =N\mathrm{Var}\left({\mathrm{w}}_i\right)\mathrm{Var}\left(z_i\right)\end{array}$$
  当且仅当$\mathrm{var}(w)=1/N$ 时, $y$ 的方差与 $z$ 的方差一致。因此我们可以采用$\mathcal{N}(0,1/N)$的高斯分布，为输入神经元个数。

2.2.2 $\mathcal{N}(0,1/N)$高斯分布

  Xavier初始化可以帮助减少梯度消失的问题，使得信号在神经网络中可以传递得更深，在经过多层神经元后保持在合理的范围。每层神经元激活值的方差基本相同。符合正态分布，这样前向的信息流可以传递，反向传播梯度也可以更新。

2.2.3 Xavier初始化局限性

  Xavier初始化能够很好的 tanh 激活函数。但是对于目前最常用的 ReLU 激活函数，Xavier初始化表现的很差。

  在较浅的层中效果还不错，但是随着神经网络层数的增加，权重趋势却是越来越接近0。

  那如何解决ReLU激活函数的初始化？

  采用恺明初始化（He 初始化)

2.3 He 初始化（MSRA）

  He 初始化（MSRA）与Xavier初始化不同在哪里？

  Xavier初始化采用的是$\mathcal{N}(0,1/N)$高斯分布，He 初始化（MSRA）采用的是$\mathcal{N}(0,2/N)$高斯分布。

  He 初始化（MSRA）原理：

  在ReLU网络中，假定每一层有一半的神经元被激活，另一半为0（x负半轴中是不激活的），所以要保持variance不变，只需要在Xavier的基础上再除以2：

3.权重初始化总结

1. 好的初始化方法可以防止前向传播过程中的信息消失，也可以解决反向传递过程中的梯度消失。

2. 激活函数选择双曲正切或者Sigmoid时，建议使用Xaizer初始化方法。

3. 激活函数选择ReLU或Leakly ReLU时，推荐使用He初始化方法。