Press "Enter" to skip to content

吴恩达深度学习课最新补充教程:交互式demo助你轻松理解神经网络初始化

本站内容均来自兴趣收集,如不慎侵害的您的相关权益,请留言告知,我们将尽快删除.谢谢.

初始化对 深度神经网络 的收敛有重要影响。优秀的初始化模式可以加速训练,但是需要小心操作以避免常见的陷阱。deeplearning.ai 最新上线了 AI Notes 栏目,以长文的形式作为《深度学习专项课程》的补充。其具备交互式的 demo,有助于读者轻松掌握深度学习基础概念。AI Notes 的第一篇教程就是「初始化神经网络」。

 

这篇教程共包括四部分:有效初始化的重要性、梯度爆炸或消失问题、什幺是恰当的初始化,以及 Xavier 初始化的数学证明。

 

1. 有效初始化的重要性

 

要想构建一个机器学习算法,通常你需要定义一个架构(如 Logistic 回归、、神经网络),然后训练它学习参数。以下是训练神经网络的常见过程:

 

 

初始化参数

 

选择优化算法

 

重复以下步骤:

 

将输入向前传播

 

计算成本函数

 

使用 反向传播 传递成本对参数的梯度

 

根据优化算法,基于梯度更新每个参数

 

 

之后,给出一个新的数据点,你就可以使用该模型预测其类别了。

 

初始化步骤对模型的最终性能至关重要,它需要正确的方法。下面给出了一个交互式 demo,你可以尝试使用不同的方法初始化网络,观察不同的初始化对网络学习的影响。

 

 

demo 中,可以任意选择输入数据集、选择初始化方法,并实时查看训练效果。

 

你注意到当初始化方法为 zero 时,梯度和权重的变化吗?

 

 

用零初始化所有权重,会使得神经元在训练过程中学习同样的特征。

 

事实上,任意常数初始化方法性能都不好。例如一个具备两个隐藏单元的神经网络,假设我们将所有偏置初始化为 0,将所有权重初始化为常量 α。如果我们在网络中前向传播输入 (x_1,x_2),则两个隐藏单元的输出均为 relu(α x_1+α x_2)。因此,两个神经元在训练过程中的演化是对称的,也就阻止了不同的神经元学习不同的特征。

 

当使用太小或太大的值初始化权重时,成本函数曲线有什幺变化呢?

 

尽管打破了对称性,但使用太小或太大的值初始化权重会分别导致学习缓慢或发散。

 

因此,选择恰当的初始化值对于高效训练而言是必要的。

 

2. 梯度爆炸或消失问题

 

考虑以下这个 9 层神经网络:

 

 

在优化的每一次迭代中,我们观察到随着梯度从输出层向输入层传递,反向传播的梯度要幺太大要幺太小。这一结果是合理的,大家不妨考虑以下例子。

 

假设所有激活函数都是线性(恒等函数),那幺输出激活如下:

 

 

其中,L=10,W^[L] 及其它 W 是 2×2 的矩阵,层 [1] 到 [L-1] 都只有两个神经元。如果我们假设 W^[1] 到 W^[L-1] 都等于 W,则输出预测为 (其中 W^L-1 是矩阵 W 的 L-1 次方,W^[L] 表示第 L 个矩阵)。

 

那幺当初始化值过小、过大或合适时,结果会如何呢?

 

案例 1:过大初始化值导致梯度爆炸

 

考虑当每个权重的初始化值都比恒等矩阵略大的情况。

 

 

上式可以简化为 ,a^[l] 的值随着 l 呈指数倍增长。当这些激活值被用于反向传播时,就会导致梯度爆炸问题。即,成本对参数的梯度过大,导致成本值在其极小值周围振荡。

 

案例 2:过小初始化值导致梯度消失

 

类似地,考虑每个权重的初始化值略小于恒等矩阵的情况。

 

 

上式可简化为 ,激活值 a^[l] 随着 l 呈指数倍下降。当这些激活被用于反向传播时,会导致梯度消失问题。成本关于参数的梯度过小,导致成本在到达极小值之前已经收敛。

 

总之,用不合适的值进行权重初始化会导致神经网络训练发散或速度缓慢。虽然我们用简单的对称权重矩阵说明梯度爆炸和 梯度消失 问题,但这一观察也适用于任意过大或过小的初始化值。

 

3. 如何找到合适的初始化值

 

为了阻止梯度爆炸或消失,我们需要坚持以下规则:

 

激活值的均值应为零。

 

每一层激活值的方差应该保持一致。

 

在这两个假设下,反向传播的梯度信号就不会在任意层中被过小或过大的值相乘,从而在不出现梯度爆炸或消失等问题。

 

具体来说,想象一个层 l,其前向传播是:

 

 

我们需要遵循下式:

 

 

确保零均值,保持每一层的输入方差值不变,从而确保不会出现梯度爆炸和消失问题。该方法适用于前向传播和反向传播。推荐使用 Xavier 初始化方法(或其变体),对于每一个层 l:

 

 

也就是说,层 l 的所有权重是从正态分布中随机选取的,该分布的均值 μ=0,方差 ,其中 n^[l-1] 是层 l-1 中的神经元数量。偏置被初始化为 0。

 

下面的交互式图展示了 Xavier 初始化对每一层激活的影响,下图展示的是一个五层的全连接神经网络。

 

 

在此交互式图中,你可以加载 MNIST 数据集,选择初始化方法,执行训练并观察不同初始化方法的效果。

 

Xavier 初始化的数学证明

 

Xavier 初始化保持每一层的方差不变。我们假设每一层的激活值是围绕 0 的正态分布。有时理解数学证明有助于掌握概念,但没有数学也可以理解基础理念。

 

我们使用第 3 部分介绍的层 l,假设其激活函数为 tanh。其前向传播如下所示:

 

 

我们目标是推导出 Var(a^[l-1]) 和 Var(a^[l]) 之间的关系。然后我们将理解如何初始化权重,使得 Var(a^[l-1]) = Var(a^[l])。

 

假设我们使用合适的值初始化网络,且输入是经过归一化的。在训练的早期,我们处于 tanh 的线性模式。值足够小,使 tanh(z^[l]) ≈ z^[l],这意味着:

 

 

此外, ,其中 。出于简洁性考虑,我们假设 b^[l] = 0。因此,逐元素查看前面的公式 Var(a^[l-1]) = Var(a^[l]) 可以得到:

 

 

一个常见的数学 是在方差之外求和。为此,我们必须遵循以下三个假设:

 

 

权重独立,且同分布;

 

输入独立,且同分布;

 

权重和输入互相独立。

 

 

从而得到:

 

 

另一个常见的数学 trick 是将积的方差转化为方差的积,公式如下:

 

 

使用该公式,以及 ,得到:

 

 

快完成了!第一个假设引出 ,第二个假设引出 ,因为权重是使用零均值进行初始化的,输入是经过归一化的。从而得到:

 

 

第一个假设表明:

 

 

第二个假设引出:

 

 

它们都具备同样的思想:

 

 

组合起来,得到:

 

 

完成了!如果我们想要各个层的方差保持一致 ,我们需要 。这证明了 Xavier 初始化的方差选择。

 

注意,在之前的步骤里,我们没有选择特定层 l。因此,我们证明了该公式适用于所有层。假设 L 是输出层。在每一层使用该公式,则我们可以将输出层的方差推导至输入层的方差:

 

 

根据我们的权重初始化方式,输出和输入层方差之间的关系将会变化巨大。注意以下三种情况:

 

 

因此,为了避免前向传播信号的消失或爆炸,我们必须通过初始化 ,使 n^[l−1]Var(W^[l])=1。

 

通过以上证明,我们研究了在前向传播过程中计算的激活值。同样的结果也适用于反向传播梯度。同理,为了避免梯度爆炸或消失,我们必须通过初始化 ,使 n^[l]Var(W^[l])=1。

 

结论

 

在实践中,机器学习工程师使用 Xavier 初始化时,要幺将权重初始化为 。后一个分布的方差项是 的均值。

 

以上是 Xavier 初始化的理论证明。Xavier 初始化使用的是 tanh激活函数。此外还有大量初始化方法。如果你使用 ReLU激活函数,那幺常用的初始化方法是 He 初始化。He 初始化的理论证明要更复杂一些,但它遵循同样的思维过程。

 

原文链接:http://www.deeplearning.ai/ai-notes/initialization/

Be First to Comment

发表评论

邮箱地址不会被公开。 必填项已用*标注