①权重的初始值十分重要，关系到神经网络的学习是否成功。
为了抑制过拟合、提高泛化能力，采用权值衰减的方法，它是一种以减小权重参数的值为目的进行学习的方法。
在误差反向传播法中，所有的权重值都会进行相同的更新。比如，在2层神经网络中，假设第1层和第2层的权重为0。这样一来，正向传播时，因为输入层的权重为0，所以第2层的神经元全部会被传递相同的值。第2层的神经元中全部输入相同的值，这意味着反向传播时第2层的权重全部都会进行相同的更新。
简单的说，权重无法更新为新的值因此在初始化的时候必须随机生成初始值。
观察隐藏层的激活值（激活函数的输出数据）的分布，了解权重的初始值是如何影响隐藏层的激活值的分布。
向一个5层神经网络（激活函数使用sigmoid函数）传入随机生产的输入数据，绘制各层激活值的数据分布。
import numpy as np
import matplotlib.pyplot as plt
def sigmoid(x):
return 1 / (1 + np.exp(-x))
def ReLU(x):
return np.maximum(0, x)
def tanh(x):
return np.tanh(x)
input_data = np.random.randn(1000, 100) # 1000个数据
node_num = 100 # 各隐藏层的节点（神经元）数
hidden_layer_size = 5 # 隐藏层有5层
activations = {} # 激活值的结果保存在这里
x = input_data
for i in range(hidden_layer_size):
if i != 0:
x = activations[i-1]
# 改变初始值进行实验！
w = np.random.randn(node_num, node_num) * 1
# w = np.random.randn(node_num, node_num) * 0.01
# w = np.random.randn(node_num, node_num) * np.sqrt(1.0 / node_num)
# w = np.random.randn(node_num, node_num) * np.sqrt(2.0 / node_num)
a = np.dot(x, w)
# 将激活函数的种类也改变，来进行实验！
z = sigmoid(a)
# z = ReLU(a)
# z = tanh(a)
activations[i] = z
#绘制直方图
for i, a in activations.items():
plt.subplot(1, len(activations), i+1)
plt.title(str(i+1) + "-layer")
if i != 0: plt.yticks([], [])
# plt.xlim(0.1, 1)
# plt.ylim(0, 7000)
plt.hist(a.flatten(), 30, range=(0,1))
plt.show()
这次使用的是标准差为1的高斯分布，但实验的目的是通过改变这个尺度（标准差），观察激活值的分布如何变化。
可以看到，各层的激活值偏向0和1分布，这里使用的是sigmoid激活函数，当输入和输出不断靠近0或者1时，它的导数的值逐渐减小接近于0，偏向0和1的数据分布会造成反向传播中的梯度值不断减小。这个问题称为 梯度消失
当权重的标准差设置为0.1时
w = np.random.randn(node_num, node_num) * 0.1
从图中可以看激活值的偏向较为平均，但大多数也分布在0.5附近。
当权重的标准差设置为0.01时
w = np.random.randn(node_num, node_num) * 0.01
标准差为0.01时，这次呈集中在0.5附近的分布，尽管不会发生梯度消失的问题，但是激活值的分布有所偏向，因为如果很多神经元输出几乎相同的值，那么就没有其存在的意义，导致“表现力受限”的问题。
各层的激活值的分布都要求有适当的广度,否则会出现梯度消失，或者表现力受限的问题!
根据Xavier的推论：
w= np.random.randn(node_num, node_num) * np.sqrt(1.0 / node_num)
激活函数 tanh()
使用“He初始值”
w= np.random.randn(node_num, node_num) * np.sqrt(2.0 / node_num)
总结：
当激活函数使用ReLU时，权重初始值使用He初始值。
当激活函数为sigmoid或tanh等S型曲线函数时，初始值使用Xavier初始值。
以下实验将说明，不同的权重初始值的赋值方法会在多大程度上影响神经网络的学习。
神经网络有5层，每层有100个神经元，激活函数使用的是ReLU。
import os
import sys
sys.path.append(os.pardir) # 为了导入父目录的文件而进行的设定
import numpy as np
import matplotlib.pyplot as plt
from dataset.mnist import load_mnist
from common.util import smooth_curve
from common.multi_layer_net import MultiLayerNet
from common.optimizer import SGD
#0:读入MNIST数据==========
(x_train, t_train), (x_test, t_test) = load_mnist(normalize=True)
train_size = x_train.shape[0]
batch_size = 128
max_iterations = 2000
#1:进行实验的设置==========
weight_init_types = {'std=0.01': 0.01, 'Xavier': 'sigmoid', 'He': 'relu'}
optimizer = SGD(lr=0.01)
networks = {}
train_loss = {}
for key, weight_type in weight_init_types.items():
networks[key] = MultiLayerNet(input_size=784, hidden_size_list=[100, 100, 100, 100],
output_size=10, weight_init_std=weight_type)
train_loss[key] = []
#2:开始训练==========
for i in range(max_iterations):
batch_mask = np.random.choice(train_size, batch_size)
x_batch = x_train[batch_mask]
t_batch = t_train[batch_mask]
for key in weight_init_types.keys():
grads = networks[key].gradient(x_batch, t_batch)
optimizer.update(networks[key].params, grads)
loss = networks[key].loss(x_batch, t_batch)
train_loss[key].append(loss)
if i % 100 == 0:
print("===========" + "iteration:" + str(i) + "===========")
for key in weight_init_types.keys():
loss = networks[key].loss(x_batch, t_batch)
print(key + ":" + str(loss))
#3.绘制图形==========
markers = {'std=0.01': 'o', 'Xavier': 's', 'He': 'D'}
x = np.arange(max_iterations)
for key in weight_init_types.keys():
plt.plot(x, smooth_curve(train_loss[key]), marker=markers[key], markevery=100, label=key)
plt.xlabel("iterations")
plt.ylabel("loss")
plt.ylim(0, 2.5)
plt.legend()
plt.show()
可以看到使用ReLU作为激活函数时，使用He初始值，学习的效率
更高。
《深度学习入门：基于Python的理论与实现》 斋藤康毅