python - 在 Tensorflow NN 模型中将权重初始化为单位矩阵

Question

我对 GitHub 上的一个模型中的神经网络工作相对较新，我注意到在将权重和偏差初始化为零后，将单位矩阵添加到偏差变量中。

 weights = tf.get_variable('weights', [256, K*K],
                              initializer=tf.constant_initializer(0.0),
                              dtype=tf.float32)
 biases = tf.get_variable('biases', [K*K],
                             initializer=tf.constant_initializer(0.0),
                             dtype=tf.float32)
 biases += tf.constant(np.eye(K).flatten(), dtype=tf.float32)
 transform = tf.matmul(net, weights)
 transform = tf.nn.bias_add(transform, biases)

这是该模型特有的还是常见的做法？如果是这样，将偏差初始化为单位矩阵的目的是什么？

存储库链接:Here论文链接:Here

Answer 1

将所有权重初始化为零实际上是一个非常糟糕的主意。如果这样做，神经网络的输出将始终为零，因为无论输入的值是多少，如果将其乘以零，输出都会为零。

对于神经网络，通常的做法是使用 -1 到 1 之间的随机噪声来初始化权重和偏差。

我个人使用Xavier initialization ，其目的是保持所有层中梯度的大小大致相同，从而提高收敛性。