Introduction

好的开始是成功的一半。
为了让你的模型跑赢在起跑线 ε=ε=ε=(_￣▽￣) ，请慎重对待参数初始化。

	公式	效果
全0	0	导致梯度更新在同层之内完全一样
随机	$0.001\cdot randn(in,out)$	导致 in、out 方差不一致，收敛较慢
Xavier	$\frac{0.001\cdot randn(in,out)}{\sqrt{in}}$	做了方差规范化，维持了一致性。但未考虑到 relu 对 in 的影响
He	$\frac{0.001\cdot randn(in,out)}{\sqrt{\frac{in}{2}}}$	考虑了 relu 的影响，对 relu网络 更友好
导入预训练		最佳

Note：

• randn(in, out) ：shape = [in, out] 的 随机高斯矩阵 。

tf 中常用的初始化器

• tf的初始化器包括：tf.initializers.he_normal()、tf.initializers.truncated_normal()、tf.contrib.layers.xavier_initializer() 这三种。
• 建议采用默认配置。一般不会在这边想trick，真没啥明显增益。

API

TensorFlow中自带关于参数初始化的API，具体使用见 tensorflow: variable初始化。

全零初始化 (Zero Initialization)

将网络中 所有参数 初始化为 0 。

如果所有的参数都是0，那么所有神经元的输出都将是相同的，那在back propagation的时候，gradient相同，weight update也相同。同一层内所有神经元的行为也是相同的。

这显然不可接受。

随机初始化 (Random Initialization)

将参数值（通过高斯分布或均匀分布）随机初始化为 接近0的 一个很小的随机数（有正有负），从而使对称失效。

W = tf.Variable(np.random.randn(node_in, node_out)) * 0.001

Note：

• node_in、 node_out表示 输入神经元个数、输出神经元个数；
• 其中，np.random.randn(node_in, node_out)输出 服从标准正态分布的node_in × node_out矩阵；
• 控制因子：0.001，保证参数期望接近0；
• 一旦随机分布选择不当，就会导致网络优化陷入困境。

Xavier初始化 (Xavier Initialization)

W = ( tf.Variable(np.random.randn(node_in, node_out)) / np.sqrt(node_in) ) * 0.001

Note：

• 加上了 方差规范化： / np.sqrt(node_in)，维持了 输入、输出数据分布方差的一致性，从而更快地收敛。

He初始化 (He Initialization)

W = ( tf.Variable(np.random.randn(node_in, node_out)) / np.sqrt(node_in/2) ) * 0.001

Note：

• 考虑到 非线性映射 (relu) 函数 的影响， 将 方差规范化 的 分母 修改为 np.sqrt(node_in/2)，能让Relu网络更快地收敛。

迁移学习初始化 (Pre-train Initialization)

将 预训练模型的参数 作为新任务上的初始化参数。

数据敏感初始化

根据自身任务数据集而特别定制的参数初始化方法。

---

[1] 聊一聊深度学习的weight initialization
[2] 深度学习之参数初始化策略