位置: IT常识 - 正文

深度学习参数初始化(二)Kaiming初始化 含代码

编辑:rootadmin
深度学习参数初始化(二)Kaiming初始化 含代码

推荐整理分享深度学习参数初始化(二)Kaiming初始化 含代码,希望有所帮助,仅作参考,欢迎阅读内容。

文章相关热门搜索词:,内容如对您有帮助,希望把文章链接给更多的朋友!

目录

一、介绍

二、基础知识

三、Kaiming初始化的假设条件 

四、Kaiming初始化的简单的公式推导

1.前向传播

2.反向传播

五、Pytorch实现

深度学习参数初始化系列:

(一)Xavier初始化 含代码

(二)Kaiming初始化 含代码

一、介绍

        Kaiming初始化论文地址:https://arxiv.org/abs/1502.01852

        Xavier初始化在ReLU层表现不好,主要原因是relu层会将负数映射到0,影响整体方差。而且Xavier初始化方法适用的激活函数有限:要求关于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。所以何恺明在对此做了改进,提出Kaiming初始化,一开始主要应用于计算机视觉、卷积网络。

二、基础知识

1.假设随机变量X和随机变量Y相互独立,则有

        (1) 

 2.通过期望求方差的公式, 方差等于平方的期望减去期望的平方.

                (2)

 3.独立变量乘积公式

        (3)

4.连续性随机变量X的概率密度函数为f(x),若积分绝对收敛,则期望公式如下:

                        (4)

三、Kaiming初始化的假设条件 

        与Xavier初始化相似,Kaiming初始化同样适用Glorot条件,即我们的初始化策略应该使得各层的激活值和状态梯度的方差在传播过程中的方差保持一致;Kaiming初始化的参数仍然满足均值是0,且更新的过程中权重的均值一直是0。

        与Xavier初始化不同的,Kaiming初始化不在要求每层输出均值都是0(因为Relu这样的激活函数做不到啊);当然也不再要求f′(0)=1。

        Kaiming初始化中,前向传播和反向传播时各自使用自己的初始化策略,但是保证前向传播时每层的方差和反向传播时梯度的方差都是1。

四、Kaiming初始化的简单的公式推导

        我们使用卷积来进行推导,并且激活函数使用ReLU。

1.前向传播

        对于一层卷积,有:

                        (5)

         其中是激活函数前的输出,是权重的个数,是权重,是输入。

        根据(3)式,可将(4)式推导为:

        (6)

         根据假设,但是是上一层通过ReLU得到的,所以,则:

                (7)

 通过(2)式可得,则(7)式推导为:

深度学习参数初始化(二)Kaiming初始化 含代码

                        (8)

根据期望公式(4), 通过第层的输出来求此期望, 我们有, 其中表示ReLU函数.

                         (9)

其中表示概率密度函数,因为的时候,所以可以去掉小于0的区间, 并且大于0的时候,可推出:

                   (10)

因为是假设在0周围对称分布且均值为0, 所以也是在0附近分布是对称的, 并且均值为0(此处假设偏置为0),则

       (11) 

所以的期望是:

              (12)

 根据公式(2),因为的期望等于0,于是有:

则式(12)推导为:

                        (13)

将(13)式带入(8)式:

                        (14)

从第一层一直往前进行前向传播, 可以得到某层的方差为 :

这里的就是输入的样本, 我们会将其归一化处理, 所以, 现在让每层输出方差等于1, 即:

于是正向传播时,Kaiming初始化的实现就是下面的均匀分布:

高斯分布:

2.反向传播

因为反向传播的时候

                (15)

 其中表示损失函数对其求导. 为参数

根据(3)式:

 其中表示反向传播时输出通道数,最后得出

于是反向传播时,Kaiming初始化的实现就是下面的均匀分布:

高斯分布:

五、Pytorch实现import torchclass DemoNet(torch.nn.Module): def __init__(self): super(DemoNet, self).__init__() self.conv1 = torch.nn.Conv2d(1, 1, 3) print('random init:', self.conv1.weight) ''' kaiming 初始化方法中服从均匀分布 U~(-bound, bound), bound = sqrt(6/(1+a^2)*fan_in) a 为激活函数的负半轴的斜率,relu 是 0 mode- 可选为 fan_in 或 fan_out, fan_in 使正向传播时,方差一致; fan_out 使反向传播时,方差一致 nonlinearity- 可选 relu 和 leaky_relu ,默认值为 。 leaky_relu ''' torch.nn.init.kaiming_uniform_(self.conv1.weight, a=0, mode='fan_out') print('xavier_uniform_:', self.conv1.weight) ''' kaiming 初始化方法中服从正态分布,此为 0 均值的正态分布,N~ (0,std),其中 std = sqrt(2/(1+a^2)*fan_in) a 为激活函数的负半轴的斜率,relu 是 0 mode- 可选为 fan_in 或 fan_out, fan_in 使正向传播时,方差一致;fan_out 使反向传播时,方差一致 nonlinearity- 可选 relu 和 leaky_relu ,默认值为 。 leaky_relu ''' torch.nn.init.kaiming_normal_(self.conv1.weight, a=0, mode='fan_out') print('kaiming_normal_:', self.conv1.weight)if __name__ == '__main__': demoNet = DemoNet()
本文链接地址:https://www.jiuchutong.com/zhishi/300432.html 转载请保留说明!

上一篇:微信小程序获取用户openid(微信小程序获取手机号失败)

下一篇:学习CSS3,使用双旋转实现福到了的迎春喜庆特效(css3知识总结)

  • 读懂增值税
  • 法人购买车险发票怎么开
  • 建筑工程公司收入成本怎么结转
  • 工会经费计税依据是应发还是实发
  • 公转法人交税
  • 收到以前年度的货款分录
  • 房地产公司拆迁部岗位职责
  • 交通费补贴报销的会计分录怎么做?
  • 医院外聘专家费用由科室承担吗
  • 出口转内销税费
  • 职员在外地出差怎么处理
  • 银行汇兑计入哪个会计科目?
  • 税控盘年费去哪里交
  • 工程服务税收的分类
  • 印花税股权转让计税依据
  • 自己的公司钱能自己用吗
  • 以前年度多列的费用今年交回
  • 申报表利润总额与财务报表利润总额
  • 结转基本生产成本
  • 什么是个别资本的概念
  • 个人所得税到年底能不能退回来
  • 专票一年可以抵扣吗
  • win11怎么用win10界面
  • win10声音设置面板在哪
  • 长期待摊会计分录
  • php面向对象优点,缺点
  • 个人如何办理住房贷款
  • linux 临时修改环境变量
  • phpeach函数
  • php artisan key:generate
  • 持有待售资产是流动还是非流动
  • 观察者模式java实现
  • 深入浅出讲解傅里叶变换
  • open是什么含义
  • vue解决跨域的几种办法
  • 员工辞退补偿金扣个税吗
  • 物权变动的原因是什么
  • 银行存款调节表调整后的银行存款余额
  • 汇兑损益的种类
  • 其他债权投资是长期投资吗
  • 个体工商户核算方式填什么
  • sql语句修改某个字段
  • 购买研发设备的发票可以申报创新券吗?
  • 事业单位资产负债表自动转帐
  • sql如何进行事务操作
  • 消费税和购置税系重复征税
  • 开办费计入什么科盿
  • 缴纳房产税和城镇房产税
  • 收到保险公司赔款
  • 存货报废计入
  • 哪些发票可以提供发票
  • 什么经营范围可以开推广服务费
  • 农业合作社销售农产品怎样纳税
  • 如何理解施工企业的周转材料
  • 成本含税如何做会计分录
  • 银行业应收票据分析
  • sql server创建备份
  • mysql数据库主从数据不一致
  • 行为异常不能使用优惠
  • hyper-v怎么样
  • centos 安装
  • wbs是什么文件
  • win7诊断策略服务未运行是电脑问题还是网络
  • 如何把旧mac上的所有内容迁移到新mac上
  • 微软刷机怎么刷
  • linux下tar.gz、tar、bz2、zip等解压缩、压缩命令小结
  • win7如何重装系统电脑
  • win8开机直接进入传统桌面
  • linux系统入侵检测软件有哪些
  • js 编辑框
  • es6中的class常见使用场景
  • 举例说明什么是判断
  • dos查看内存命令
  • python咋写
  • jquery验证
  • linux如何配置jdk
  • js new实现
  • 贤彬考研,刘磊?
  • 综合所得申报表在哪里
  • 地税网上申报密码
  • 免责声明:网站部分图片文字素材来源于网络,如有侵权,请及时告知,我们会第一时间删除,谢谢! 邮箱:opceo@qq.com

    鄂ICP备2023003026号

    网站地图: 企业信息 工商信息 财税知识 网络常识 编程技术

    友情链接: 武汉网站建设