知识卡片
初始化尺度影响信号与梯度
初始化不只要随机,还要让权重尺度与层的输入输出宽度及激活函数相匹配,以降低深层传播中信号或梯度过快消失、放大的风险。LeCun、Glorot/Xavier、He 等方案有不同假设;例如 He 初始化常用于 ReLU 类激活。初始化影响不保证会在训练初期迅速消失,应结合网络和训练表现验证。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 前馈网络 · 查看原书依据
LeCun Uniform、Glorot Uniform(或Xavier Uniform)和He Uniform算法
参考来源
- 位置:《深度学习:从基础到实践(上下册)》第16章《前馈网络》16.4(来源项目 `extracted/深度学习:从基础到实践(上下册)/_epub-src/text/part0023_split_004.html`)
- 结论依据:LeCun Uniform、Glorot Uniform(或Xavier Uniform)和He Uniform算法。
- 原始内容:LeCun Uniform、Glorot Uniform(或Xavier Uniform)和He Uniform算法