zoukankan      html  css  js  c++  java
  • 深度学习基础系列(六)| 权重初始化的选择

      深层网络需要一个优良的权重初始化方案,目的是降低发生梯度爆炸和梯度消失的风险。先解释下梯度爆炸和梯度消失的原因,假设我们有如下前向传播路径:

      a= w1x + b1  

      z= σ(a1)

      a= w2z1 + b2

      z2 = σ(a2)

      ...

      a= wnzn-1 + bn

      zn = σ(an)

      简化起见,令所有的b都为0,那么可得:

      zn =  σ(wnσ(Wn-1σ(...σ(w1x))),

      若进一步简化,令z = σ(a) = a,那么可得:

      zn = wn * Wn-1 * Wn-1 *...* X

      而权重w的选择,假定都为1.5,那么可观察到 zn是呈现指数级递增,深层网络越深,意味着后面的值越大,呈现爆炸趋势;反之,w假定都为0.5,那么可观察到 zn是呈现指数级递减,深层网络越深,意味着后面的值越小,呈现消失趋势。

      若令z = σ(a) = sigmoid(a),且a= ∑nwixi + b,其中n为输入参数的个数,当输入参数很多时,猜测|a|很大概率会大于1,对于sigmoid函数而言,|a|>1,则意味着曲线越来越平滑,z值会趋近于1或0,从而也会导致梯度消失。

      那我们在每一层网络进行初始化权重时,若能给w一个合适的值,则能降低这种梯度爆炸或梯度消失的可能性吗?我们看看该如何选择。

    一、随机分布权重

      在keras中,其函数为:K.random_uniform_variable(),我们来直观地看看其数据分布图,先看代码:

    import numpy as np
    import matplotlib.pyplot as plt
    import tensorflow.keras.backend as K
    
    w = K.eval(K.random_uniform_variable(shape=(1, 10000), low=-1, high=1))
    w = w.reshape(-1)
    print("w:", w)
    
    x = K.eval(K.random_uniform_variable(shape=(1, 10000), low=-1, high=1))
    x = x.reshape(-1)
    print("x:", x)
    
    a = np.dot(w, x)
    print("a:", a)
    
    n, bins, patches = plt.hist(w, 50, density=1, facecolor='g', alpha=0.75)
    
    plt.xlabel('data range')
    plt.ylabel('probability')
    plt.axis([-2, 2, 0, 1])
    plt.grid(True)
    plt.show()

      其图像为:

      观察图像可知,随机函数取了10000个点,值范围被约束在-1~1之间,其概率分布都很均匀。

      其输出结果为:

    w: [-0.3033681   0.95340157  0.76744485 ...  0.24013376  0.5394962
     -0.23630977]
    x: [-0.19380212  0.86640644  0.6185038  ... -0.66250014 -0.2095201
      0.23459053]
    a: 16.111116

      从结果可知,若我们的输入是10000个特征点,那么a= ∑10000wixi + b,且|a|>1的概率很大(结果为16.111116)。可想而知,不采用激活函数或relu函数,则有梯度爆炸的可能性;若采用sigmoid激活函数的话,则会导致梯度消失。

    二、正太分布权重

      在keras中,其函数为:K.random_normal_variable()和K.truncated_normal(),我们来直观地看看其数据分布图,先看K.random_normal_variable代码: 

    import numpy as np
    import matplotlib.pyplot as plt
    import tensorflow.keras.backend as K
    
    w = K.eval(K.random_normal_variable(shape=(1, 10000), mean=0, scale=1))
    w = w.reshape(-1)
    print("w:", w)
    
    x = K.eval(K.random_uniform_variable(shape=(1, 10000), low=-1, high=1))
    x = x.reshape(-1)
    print("x:", x)
    
    a = np.dot(w, x)
    print("a:", a)
    
    n, bins, patches = plt.hist(w, 50, density=1, facecolor='g', alpha=0.75)
    
    plt.xlabel('data range')
    plt.ylabel('probability')
    plt.axis([-5, 5, 0, 0.6])
    plt.grid(True)
    plt.show()

      其图像为:

      其结果为:

    w: [-1.8685548   1.501203    1.1083876  ... -0.93544585  0.08100258
      0.4771947 ]
    x: [ 0.40333223  0.7284522  -0.40256715 ...  0.79942155 -0.915035
      0.50783443]
    a: -46.02679

      再看看K.truncated_normal()的代码:

    import numpy as np
    import matplotlib.pyplot as plt
    import tensorflow.keras.backend as K
    
    w = K.eval(K.truncated_normal(shape=(1, 10000), mean=0, stddev=1))
    w = w.reshape(-1)
    print("w:", w)
    
    x = K.eval(K.random_uniform_variable(shape=(1, 10000), low=-1, high=1))
    x = x.reshape(-1)
    print("x:", x)
    
    a = np.dot(w, x)
    print("a:", a)
    
    n, bins, patches = plt.hist(w, 50, density=1, facecolor='g', alpha=0.75)
    
    plt.xlabel('data range')
    plt.ylabel('probability')
    plt.axis([-5, 5, 0, 0.6])
    plt.grid(True)
    plt.show()

      其图像为:

     

      其结果为:

    w: [ 1.0354282  -0.9385183   0.57337016 ... -0.3302136  -0.10443623
      0.9371711 ]
    x: [-0.7896631  -0.01105547  0.778579   ...  0.7932384  -0.17074609
      0.60096693]
    a: -18.191553

      观察两个图像可知,两者都是正太分布图像,唯一区别在于K.truncated_normal()把大于2和小于2的数据给截断了,只保留了一部分数据。

      从结果可知,若我们的输入是10000个特征点,那么a= ∑10000wixi + b ,虽然图像具有一定的对称性,总体均值为0,但|a1|>1依然有很大概率存在(结果为-18.191553),依旧有有梯度消失和爆炸的可能性。    

    三、正太收窄权重

      我们的目标是使得|a1| < 1,这样无论激活函数是sigmoid还是relu,都可以保证每一层的输出值不会增长太大,也不会增长过小。所以我们可以在正太分布的基础上,让其收窄变尖,可以让wi=wi / √n,其中n为该层的输入参数的数量,以10000个输出特征点为例,wi=wi / √10000,这样a1= ∑10000wixi + b1 就可以确保大致在-1~1范围内。可看代码:

    import numpy as np
    import matplotlib.pyplot as plt
    import tensorflow.keras.backend as K
    
    w = K.eval(K.random_normal_variable(shape=(1, 10000), mean=0, scale=1/np.sqrt(10000)))
    w = w.reshape(-1)
    print("w:", w)
    
    x = K.eval(K.random_uniform_variable(shape=(1, 10000), low=-1, high=1))
    x = x.reshape(-1)
    print("x:", x)
    
    a = np.dot(w, x)
    print("a:", a)
    
    n, bins, patches = plt.hist(w, 50, density=1, facecolor='g', alpha=0.75)
    
    plt.xlabel('data range')
    plt.ylabel('probability')
    plt.axis([-0.1, 0.1, 0, 50])
    plt.grid(True)
    plt.show()

      其图像为:

      其结果为:

    w: [ 0.00635913 -0.01406644 -0.00843588 ... -0.00573074  0.00345371
     -0.01102492]
    x: [ 0.3738377  -0.01633143  0.21199775 ... -0.78332734 -0.96384525
     -0.3478613 ]
    a: -0.4904538

      观察图像可知,数值范围已经被压缩在-0.025~0.025附近,概率值最高也到了40以上,变得又窄又尖了。

      从结果也可知,我们成功地把|a|压缩在1范围以内,这个结果无论对sigmoid函数,还是relu函数,都是比较友好的,降低了梯度爆炸和梯度消失的风险,也利于加快训练学习过程。

    四、Keras的默认选择

      在使用Keras的Conv2D、Dense等函数时,会发现权重初始化的默认值为glorot_uniform,其对应网页为:https://www.tensorflow.org/api_docs/python/tf/glorot_uniform_initializer

      可以看出glorot_uniform使用的是随机分布,不同之处在于其上下限值为[-limit, limit],其中limit = sqrt(6 / (fan_in + fan_out)),fan_in即为输入特征数,而fa_out为输出特征数。其实和上述正太收紧类似,可以理解其数值范围是非常非常小。

      在此不再赘述。

  • 相关阅读:
    SQL 07: 外连接 (左连接和右连接查询)
    010 利用多线程使socket服务端可以与多个客户端同时通讯
    056 文件修改的两种方式
    009 模拟一个简单抢票小程序代码
    055 文件的高级应用
    054 with管理文件操作上下文
    008 通过开启子进程的方式实现套接字服务端可以并发的处理多个链接以及通讯循环(用到了subprocess模块,解决粘包问题)
    053 文件的三种打开模式
    052 绝对路径和相对路径
    051 基本的文件操作
  • 原文地址:https://www.cnblogs.com/hutao722/p/9796884.html
Copyright © 2011-2022 走看看