深度学习的Xavier初始化方法

本文主要是介绍深度学习的Xavier初始化方法，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

在tensorflow中，有一个初始化函数：tf.contrib.layers.variance_scaling_initializer。Tensorflow 官网的介绍为：

---

variance_scaling_initializer(factor=2.0,mode='FAN_IN',uniform=False,seed=None,dtype=tf.float32
)

Returns an initializer that generates tensors without scaling variance.

When initializing a deep network, it is in principle advantageous to keep the scale of the input variance constant, so it does not explode or diminish by reaching the final layer. This initializer use the following formula:

  if mode='FAN_IN': # Count only number of input connections.n = fan_inelif mode='FAN_OUT': # Count only number of output connections.n = fan_outelif mode='FAN_AVG': # Average number of inputs and output connections.n = (fan_in + fan_out)/2.0truncated_normal(shape, 0.0, stddev=sqrt(factor / n))

---

这段话可以理解为，通过使用这种初始化方法，我们能够保证输入变量的变化尺度不变，从而避免变化尺度在最后一层网络中爆炸或者弥散。

这个方法就是 Xavier 初始化方法，可以从以下这两篇论文去了解这个方法：

• ·X. Glorot and Y. Bengio. Understanding the difficulty of training deepfeedforward neural networks. In International Conference on Artificial Intelligence and Statistics, pages 249–256, 2010.
• Y. Jia, E. Shelhamer, J. Donahue, S. Karayev, J. Long, R. Girshick, S.Guadarrama, and T. Darrell. Caffe: Convolutional architecture for fast featureembedding. arXiv:1408.5093, 2014.

或者可以通过这些文章去了解：

• CNN数值
• 三种权重的初始化方法
• 深度学习——Xavier初始化方法

这篇关于深度学习的Xavier初始化方法的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---