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])

=================================================