Ibẹrẹ iwuwo
Bii o ṣe ṣeto awọn iwọn ibẹrẹ ti nẹtiwọọki nkankikan ṣaaju ikẹkọ bẹrẹ, eyiti o ṣe apẹrẹ ni agbara boya awọn ifihan agbara ati awọn gradients wa ni ilera nipasẹ awọn ipele ti o jinlẹ.
Akopọ
Good initialization is the difference between fast convergence and a model that never learns.
Jin Dive
Ṣaaju ikẹkọ, gbogbo iwuwo nilo iye ibẹrẹ. Ṣiṣeto gbogbo wọn si odo jẹ apaniyan: awọn iwuwo kanna ṣe agbejade awọn gradients kanna, nitorinaa awọn neuron kii ṣe iyatọ - eyi ni iṣoro-kikan-simemetry. Ipilẹṣẹ laileto fọ symmetry, ṣugbọn iwọn naa ṣe pataki pupọ. Ju tobi ati awọn ibere ise ati gradients gbamu; kere ju ati pe wọn sọnu. Awọn ero ilana yan iyatọ ti o da lori iwọn Layer lati jẹ ki iyatọ ifihan jẹ aijọju ibakan kọja awọn fẹlẹfẹlẹ. Xavier (Glorot) bibẹrẹ awọn iwọn iyatọ nipasẹ nọmba titẹ sii pẹlu awọn ẹya iṣelọpọ ati awọn ipele tanh ati awọn nẹtiwọọki sigmoid. Oun (Kaiming) awọn irẹjẹ ibẹrẹ nipasẹ nọmba awọn igbewọle ati awọn akọọlẹ fun ReLU sisọnu idaji awọn igbewọle rẹ, ti o jẹ ki o jẹ boṣewa fun awọn netiwọki jinlẹ orisun ReLU ati awọn CNN. Ibẹrẹ ti o dara jẹ ki ikẹkọ ni kutukutu duro titi di deede ati awọn iṣapeye adaṣe yoo gba.
Imọ-imọ-ẹrọ
Ibi-afẹde ni lati tọju iyatọ ti awọn iṣẹ ṣiṣe ati awọn gradients nigbagbogbo lati Layer si Layer. Xavier ṣeto iyatọ iwuwo si 2 / (fan_in + fan_out), iwọntunwọnsi awọn gbigbe siwaju ati sẹhin fun awọn imuṣiṣẹ alamọdaju. Ibẹrẹ o nlo 2 / fan_in nitori ReLU yọkuro ni aijọju idaji awọn igbewọle rẹ, nitorinaa ilọpo meji iyatọ san isanpada fun ami ifihan ti o sọnu. Awọn irẹwẹsi jẹ ipilẹṣẹ ni igbagbogbo si odo nitori pe a ti fọ ami-ami tẹlẹ nipasẹ awọn iwọn laileto.
Ipa Ilana
Iye owo ati isuna
Awọn ipinnu faaji ṣe awakọ iṣẹ ati idiyele iṣẹ fun awọn ọdun.
Awọn ipinnu diẹ sii
Ẹkọ imọ-ẹrọ ṣe iranlọwọ fun awọn ẹgbẹ lati yan akopọ to tọ, kii ṣe ọkan tuntun nikan.
Iṣakoso didara
Awọn yiyan imọ-ẹrọ to dara julọ dinku awọn iṣẹlẹ igbẹkẹle ni iṣelọpọ.
Ojo iwaju ti Ipilẹṣẹ iwuwo
Awọn fẹlẹfẹlẹ deede ati awọn isopọ to ku ti jẹ ki ikẹkọ ni itara diẹ si ibẹrẹ deede, ṣugbọn o tun ṣe pataki fun awọn nẹtiwọọki ti ko ni isọdọtun tabi jinna. Iwadii ti nṣiṣe lọwọ pẹlu awọn ero ti a ṣe deede si awọn oluyipada ati akiyesi, awọn ọna ti o jẹ ki awọn nẹtiwọọki ṣe ikẹkọ laisi awọn ipele isọdọtun eyikeyi, ati imọ-jinlẹ bii isometry agbara ati ekuro tangent nkankikan ti o sọ asọtẹlẹ ikẹkọ lati ibẹrẹ nikan. Ibẹrẹ ti o gbẹkẹle data, eyiti o ṣe iwọn awọn irẹjẹ lati ipele ayẹwo, jẹ itọsọna idagbasoke miiran.
Real-World imuse
CNN ti nlo awọn iṣẹ ṣiṣe ReLU ti wa ni ipilẹṣẹ pẹlu Ibẹrẹ Ibẹrẹ nitorina awọn akopọ convolutional ti o jinlẹ laisi awọn ami apanirun.
Nẹtiwọọki kan pẹlu awọn imuṣiṣẹ tanh nlo ipilẹṣẹ Xavier lati jẹ ki iyatọ imuṣiṣẹ duro ni iduroṣinṣin kọja awọn fẹlẹfẹlẹ.
Onimọ-ẹrọ kan ti o bẹrẹ lairotẹlẹ gbogbo awọn iwuwo si odo rii nẹtiwọọki kuna lati kọ ẹkọ nitori gbogbo neuron duro ni aami kanna.
Awọn aiyipada Framework (PyTorch's Kaiming, Keras's Glorot uniform) waye ni ipilẹṣẹ ipilẹṣẹ laifọwọyi nigbati a ba ṣẹda Layer kan.
Awọn ewu & Awọn ọna iṣọ
Ṣiṣepe ala-ilẹ kan le tọju awọn ailagbara eto ti o gbooro.
Awọn ohun elo amayederun ati awọn idiyele itọju nigbagbogbo ni aibikita.
Aabo ati awọn ela akiyesi le dagba bi awọn eto ṣe di eka sii.
Ilana Ilana imuse
Ṣetumo lairi, didara, ati awọn ibi-afẹde idiyele ṣaaju imuse.
Aṣepari labẹ ẹru ojulowo ati awọn ipo data.
Abojuto ohun elo fun awọn aṣiṣe, fiseete, ati ipa olumulo.
Mura ipadasẹhin pada ati awọn ipa ọna esi iṣẹlẹ ṣaaju iwọn.
Tesiwaju Ṣiṣawari
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the Weight Initialization quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
Itọsọna atẹle
Sitokasitik iwuwo aropin
Awọn ibeere ti a beere nigbagbogbo
What is Weight Initialization?
Bii o ṣe ṣeto awọn iwọn ibẹrẹ ti nẹtiwọọki nkankikan ṣaaju ikẹkọ bẹrẹ, eyiti o ṣe apẹrẹ ni agbara boya awọn ifihan agbara ati awọn gradients wa ni ilera nipasẹ awọn ipele ti o jinlẹ. Ibẹrẹ ti o dara jẹ iyatọ laarin isọdọkan iyara ati awoṣe ti ko kọ ẹkọ rara.
Kini idi ti fifisilẹ gbogbo awọn iwuwo si odo jẹ aṣiṣe apaniyan?
Pẹlu awọn iwọn kanna, gbogbo neuron ṣe iṣiro iṣelọpọ kanna ati gradient, nitorinaa wọn ṣe imudojuiwọn ni aami ati pe Layer ko le kọ ẹkọ awọn ẹya ọtọtọ.
O si (Kaiming) initialization ti wa ni pataki apẹrẹ fun eyi ti ibere ise iṣẹ?
O ṣe iwọn iyatọ ti ipilẹṣẹ nipasẹ 2 / fan_in lati sanpada fun yiyọkuro ReLU ni iwọn idaji awọn igbewọle rẹ.
Kini ibi-afẹde akọkọ ti awọn eto ipilẹṣẹ iwuwo ipilẹ?
Awọn ero bii Xavier ati O yan iyatọ iwuwo lati awọn iwọn Layer nitorina awọn ifihan agbara ko parẹ tabi gbamu bi wọn ṣe tan kaakiri.
Ibẹrẹ Xavier (Glorot) dara julọ fun awọn nẹtiwọọki nipa lilo awọn iṣẹ ṣiṣe wo?
Xavier ṣe iwọntunwọnsi siwaju ati sẹhin fun iyasọtọ, awọn iṣẹ ṣiṣe saturating bi tanh ati sigmoid.
Kini idi ti O bẹrẹ ipilẹṣẹ lo iyatọ ti 2 / fan_in ju 1 / fan_in?
ReLU kọja awọn igbewọle rere nikan, sisọnu nipa idaji ifihan agbara, nitorinaa ilọpo meji iyatọ ṣe atunṣe iyatọ imuṣiṣẹ ti a nireti.