【漫话机器学习系列】185.神经网络参数的标准初始化（Normalized Initialization of Neural Network Parameter

神经网络参数的标准初始化

1. 引言

在深度学习中，神经网络的权重初始化对训练效果和收敛速度有着至关重要的影响。如果初始化不当，可能会导致梯度消失或梯度爆炸问题，使得网络难以训练。因此，研究合适的初始化方法是深度学习中的一个重要课题。本文将介绍 神经网络参数的标准初始化（Normalized Initialization of Neural Network Parameters） ，并解析其数学公式与实际应用。

2. 神经网络权重初始化的重要性

在训练神经网络时，权重通常是随机初始化的，而不可能全部设为零。若所有权重初始值均为零，则神经元的输出也会完全相同，导致神经网络无法学习不同的特征。

然而，如果权重的初始值过大或过小，则可能会导致：

梯度消失（Vanishing Gradient） ：在反向传播过程中，梯度逐层传递，如果权重较小，则梯度会逐步衰减，导致前层权重更新缓慢甚至停止更新，影响模型训练。
梯度爆炸（Exploding Gradient） ：若权重初值过大，反向传播时梯度可能指数级增长，导致训练不稳定。

因此，我们需要合理选择权重的初始化方法，使得神经网络可以更快收敛，并且避免梯度消失或爆炸问题。

3. 归一化初始化方法（Normalized Initialization）

为了避免上述问题，LeCun 等人提出了一种归一化初始化方法，即 标准初始化（Normalized Initialization） 。其核心思想是：

将全连接层的参数 $W i , j W_{i,j}$ Wi,j 初始化为一个均匀分布的随机值，其范围取决于神经元的输入数量 m 和输出数量 n。

数学表达式如下：

$W i , j ∼ U ( − 6 m + n , 6 m + n ) W_{i,j} \sim U\left(-\sqrt{\frac{6}{m+n}}, \sqrt{\frac{6}{m+n}}\right)$ Wi,j∼U(−m+n6 ,m+n6 )

其中：

U(a, b) 代表均匀分布，数值范围在 $a, b$ 之间。
m 代表该层神经元的输入数量。
n 代表该层神经元的输出数量。
$6 m + n \sqrt{\frac{6}{m+n}}$ m+n6 是归一化系数，它确保初始权重的方差适中，不会过大或过小。

为什么要取 $6 m + n \sqrt{\frac{6}{m+n}}$ m+n6 作为边界？

这是为了确保不同层之间的激活值在初始状态下具有相似的方差，从而防止梯度消失或梯度爆炸。
这个公式来源于均匀分布的方差计算，在合适的假设下，它能够保持网络层输出的方差在一定范围内，避免训练初期数值不稳定的问题。

4. 直观理解

该公式的核心思想是：

输入神经元（m）较多时，为了避免累积过大的加权和，权重范围需要变小。
输出神经元（n）较多时，为了确保神经元之间的激活值分布均匀，权重范围也需要调整。
通过取 m 和 n 的均值（m+n），可以在输入和输出之间取得平衡，使权重初始化更合理。

图像中也清晰地标注了：

红色部分（m）：表示输入的个数。
蓝色部分（n）：表示输出的个数。

5. 代码实现

在深度学习框架（如 TensorFlow、PyTorch）中，可以很方便地使用标准初始化方法。例如，在 PyTorch 中，可以使用 nn.init.uniform_ 进行初始化：

python 复制代码

import torch
import torch.nn as nn
import torch.nn.init as init

# 定义一个线性层
layer = nn.Linear(in_features=256, out_features=128)

# 归一化初始化
m, n = layer.in_features, layer.out_features
bound = (6 / (m + n)) ** 0.5
init.uniform_(layer.weight, -bound, bound)

# 打印初始化后的权重范围
print(f"Weight initialized in range: (-{bound:.4f}, {bound:.4f})")

运行结果

go 复制代码

Weight initialized in range: (-0.1250, 0.1250)

如果使用 TensorFlow / Keras，可以用 tf.keras.initializers.RandomUniform 进行初始化：

ini 复制代码

import tensorflow as tf

# 归一化初始化
initializer = tf.keras.initializers.RandomUniform(minval=-bound, maxval=bound)

# 应用于Dense层
layer = tf.keras.layers.Dense(128, kernel_initializer=initializer)

6. 其他初始化方法对比

除了标准初始化（Normalized Initialization），还有一些常见的初始化方法：

初始化方法	公式	适用场景
标准初始化（本文方法）	$W i , j ∼ U ( − 6 m + n , 6 m + n ) W_{i,j} \sim U(-\sqrt{\frac{6}{m+n}}, \sqrt{\frac{6}{m+n}})$ Wi,j∼U(−m+n6 ,m+n6 )	适用于全连接层
Xavier 初始化（Glorot 初始化）	$W i , j ∼ U ( − 6 m + n , 6 m + n ) W_{i,j} \sim U(-\sqrt{\frac{6}{m+n}}, \sqrt{\frac{6}{m+n}})$ Wi,j∼U(−m+n6 ,m+n6 )	适用于 Sigmoid/Tanh
He 初始化（Kaiming 初始化）	$W i , j ∼ N ( 0 , 2 m ) W_{i,j} \sim \mathcal{N}(0, \frac{2}{m})$ Wi,j∼N(0,m2)	适用于 ReLU 激活函数
LeCun 初始化	$W i , j ∼ N ( 0 , 1 m ) W_{i,j} \sim \mathcal{N}(0, \frac{1}{m})$ Wi,j∼N(0,m1)	适用于 Leaky ReLU/Sigmoid

可以看到，标准初始化与 Xavier 初始化的公式相同，适用于 Sigmoid/Tanh 激活函数。如果使用 ReLU，则推荐使用 He 初始化，因为它更适合 ReLU 变换的性质。

7. 结论

神经网络的权重初始化是影响训练效果的重要因素，标准初始化方法提供了一种有效的解决方案，使得网络在训练初期保持稳定，避免梯度消失或爆炸。对于不同的网络架构和激活函数，还可以选择 He 初始化或 Xavier 初始化，以获得更优的训练效果。