目录
2 Xavier方法
1 梯度消失与梯度爆炸
这是一个深度学习领域遇到的老问题了,即使是现在,任何一个新提出的模型,无论是MLP、CNN、还是RNN,随着深度的加深,这两个问题变得尤为严重。
- 梯度消失是指在深度学习训练的过程中,梯度随着链式求导逐层传递逐层减小,最后趋近于0,导致对某些层的训练失效;
- 梯度爆炸与梯度消失相反,梯度随着链式求导逐层传递逐层增大,最后趋于无穷,导致某些层无法收敛;
2 Xavier方法
接下来的推导基于假设:
- 激活函数在0周围的导数接近1(比如tanh);
- 偏置项b初始化为0,期望为0
- 参数初始化期望均为0
Xavier的目的:
- 在前向传播的时候满足 ,即对于每一个结点,它的输出的方差都相同;
- 用梯度反向传播的时候,,,和前向传播时一样希望结点输出的方差都相同;
- 前后传播的方差都相同
对于神经网络中的layer i,假设它的输入是,激活函数为 f ,满足,经过激活函数后的输出为。
假设在初始化之后,处于激活函数的线性区域,即 ,即。
因为 ,若 都是0,那么。
(1)前向传播
在 W , Z , b 独立同分布,且 为0的假设下,
所以。
这里是 layer i 的第k个node的输出,为 layer i−1的第j个node的输出, 为 layer i−1与 layer i第k个node的连接权重。
我们希望的是在前向传播的时候满足 ,即对于每一个结点,它的输出的方差都相同,所以需要满足,所以 可以从方差为的正态分布从采样得到。
(2)后向传播
当我们用梯度反向传播的时候, ,和前向传播时一样希望结点输出的方差都相同,只是这时候需要从方差为的正态分布中采样得到。
(3)均相同
所以按照上述思路,我们无法保证前后传播的方差都相同,所以选择 从方差为的正态分布中采样得到,或者从,的均匀分布中得到(均匀分布的方差为,边界可以按此公式推导得到)
但是之前有假设激活函数在0周围的导数接近1,所以忽略了激活函数的作用,不同激活函数在0周围的导数不同,需要给方差乘上导数的倒数:
神经网络初始化方法-Xavier/kaiming_转行的炼丹师的博客-CSDN博客