上一篇随笔中,将默认的参数初始化"xaview"改成了"gaussian",虽然能运行得到不错的结果。
但是在加上针对性的std=sqrt(1/n_out)前,是无法收敛的。
相比之下,采用sigmoid就能收敛。
ReLU不够好的地方:
在学习率过高时,很多单元流经的梯度为0且不再更新就此死掉。——可以通过合理设置lr以及lr的更新方式。
输出范围为[0, +∞],得到数据的幅度过大。——采用xavier初始化,使每层的方差尽量相等。
下面引用自shuzfan的博文深度学习——Xavier初始化方法。
“Xavier”初始化方法是一种很有效的神经网络初始化方法,方法来源于2010年的一篇论文《Understanding the difficulty of training deep feedforward neural networks》,可惜直到近两年,这个方法才逐渐得到更多人的应用和认可。
为了使得网络中信息更好的流动,每一层输出的方差应该尽量相等。
基于这个目标,现在我们就去推导一下:每一层的权重应该满足哪种条件。
文章先假设的是线性激活函数,而且满足0点处导数为1,即
现在我们先来分析一层卷积:
其中ni表示输入个数。根据概率统计知识我们有下面的方差公式:
特别的,当我们假设输入和权重都是0均值时(目前有了BN之后,这一点也较容易满足),上式可以简化为:
进一步假设输入x和权重w独立同分布,则有:
于是,为了保证输入与输出方差一致,则应该有:
对于一个多层的网络,某一层的方差可以用累积的形式表达:
特别的,反向传播计算梯度时同样具有类似的形式:
综上,为了保证前向传播和反向传播时每一层的方差一致,应满足:
但是,实际当中输入与输出的个数往往不相等,于是为了均衡考量,最终我们的权重方差应满足:
———————————————————————————————————————
———————————————————————————————————————学过概率统计的都知道 [a,b] 间的均匀分布的方差为:
因此,Xavier初始化的实现就是下面的均匀分布:
——————————————————————————————————————————
———————————————————————————————————————————
caffe中相应的源码(includecaffefiller.hpp)如下。
/** * @brief Fills a Blob with values @f$ x sim U(-a, +a) @f$ where @f$ a @f$ is * set inversely proportional to number of incoming nodes, outgoing * nodes, or their average. * * A Filler based on the paper [Bengio and Glorot 2010]: Understanding * the difficulty of training deep feedforward neuralnetworks. * * It fills the incoming matrix by randomly sampling uniform data from [-scale, * scale] where scale = sqrt(3 / n) where n is the fan_in, fan_out, or their * average, depending on the variance_norm option. You should make sure the * input blob has shape (num, a, b, c) where a * b * c = fan_in and num * b * c * = fan_out. Note that this is currently not the case for inner product layers. * * TODO(dox): make notation in above comment consistent with rest & use LaTeX. */ template <typename Dtype> class XavierFiller : public Filler<Dtype> { public: explicit XavierFiller(const FillerParameter& param) : Filler<Dtype>(param) {} virtual void Fill(Blob<Dtype>* blob) { CHECK(blob->count()); int fan_in = blob->count() / blob->num(); int fan_out = blob->count() / blob->channels(); Dtype n = fan_in; // default to fan_in if (this->filler_param_.variance_norm() == FillerParameter_VarianceNorm_AVERAGE) { n = (fan_in + fan_out) / Dtype(2); } else if (this->filler_param_.variance_norm() == FillerParameter_VarianceNorm_FAN_OUT) { n = fan_out; } Dtype scale = sqrt(Dtype(3) / n); caffe_rng_uniform<Dtype>(blob->count(), -scale, scale, blob->mutable_cpu_data()); CHECK_EQ(this->filler_param_.sparse(), -1) << "Sparsity not supported by this Filler."; } };
如果参数里面定义了方差归一化为AVERAGE则 n=(fan_in+fan_out)/2;为FAN_OUT则 n=fan_out,否则默认n= fan_in。
然后按scale=sqrt(3/n)生成[-scale,scale]均匀分布。
本站文章如无特殊说明,均为本站原创,如若转载,请注明出处:Caffe学习 二 xavier初始化 - Python技术站