网络权重初始化方法

如何开始一个网络训练,参数初始化方法。了解就行不是很重要。

初始化方法initialization Methods

如何开始一个训练?参数初始化是怎么进行的?

1.Gaussian N(0,1)

将CNN网络的所有参数都初始化为均值为0,标准差为1且符合高斯分布的方法,这种方法是十分naive的。同样的方法还有:

  • 初始化为0;所有神经元梯度相同,参数最终相同
  • 初始化均值为0,方差为1,且控制量纲 * 0.001;只适合浅层网络,随着网络层的传递,方差会减小,维持不住学习需要的信息量,出现数据塌缩
2.Xavier[2010]

2010年出现,最开始是为了无激活函数的网络和tanh来选的

s t d = 2 n u m i n + n u m o u t 方 差 由 c h a n n e l i n 和 c h a n n e l o u t 决 定 std = \sqrt {\frac {2}{num_{in} + num_{out}}} 方差由 channel_{in}和channel_{out}决定 std=numin+numout2 channelinchannelout

3.Kaiming(MSRA/He) [2015]

s t d = 2 n u m i n 方 差 由 c h a n n e l i n 决 定 std = \sqrt {\frac {2}{num_{in} }}方差由 channel_{in}决定 std=numin2 channelin

注:好的方法都是为了维护训练过程中保持足够的数据量,数据量就是由方差决定的,方差到0后将会失去梯度(偏离非线性层的中心位置),要保证一直有var。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值