神經網路初始化:xavier,kaiming、ortho正交初始化在CNN網路中的使用 【轉載】 xavier,kaiming初始化中的fan_in,fan_out在卷積神經網路是什麼意思
阿新 • • 發佈:2022-04-21
xavier、ortho是神經網路中常用的權重初始化方法,在全連線中這兩種權重初始化的方法比較好理解,但是在CNN的卷積網路中的具體實現卻不好理解了。
在CNN網路中xavier的初始化可以參看:
【轉載】 xavier,kaiming初始化中的fan_in,fan_out在卷積神經網路是什麼意思
也就是說在CNN中avier的初始化的所用的引數取值為:
fan_in指 kernel_height x kernel_width x in_channel 。
fan_out指 kernel_height x kernel_width x
out_channel 。
那麼在CNN網路中正交初始化是如何實現的呢?
使用TensorFlow檢視文件:
tf.orthogonal_initializer
在CNN網路中主要參看:
給出baselines強化學習演算法庫的orthogonal_initializer實現:
def ortho_init(scale=1.0): def _ortho_init(shape, dtype, partition_info=None): # lasagne ortho init for tf shape = tuple(shape)if len(shape) == 2: flat_shape = shape elif len(shape) == 4: # assumes NHWC flat_shape = (np.prod(shape[:-1]), shape[-1]) else: raise NotImplementedError a = np.random.normal(0.0, 1.0, flat_shape) u, _, v = np.linalg.svd(a, full_matrices=False) q= u if u.shape == flat_shape else v # pick the one with the correct shape q = q.reshape(shape) return (scale * q[:shape[0], :shape[1]]).astype(np.float32) return _ortho_init
適配CNN網路的程式碼為:
elif len(shape) == 4: # assumes NHWC flat_shape = (np.prod(shape[:-1]), shape[-1])
=================================================