Comment faire L'initialisation Xavier sur TensorFlow

Juste pour ajouter un autre exemple sur la façon de définir un tf.Variable initialisé en utilisant la méthode de Xavier et Yoshua:

graph = tf.Graph()
with graph.as_default():
    ...
    initializer = tf.contrib.layers.xavier_initializer()
    w1 = tf.Variable(initializer(w1_shape))
    b1 = tf.Variable(initializer(b1_shape))
    ...

Cela m'a empêché d'avoir des valeurs nan sur ma fonction de perte en raison d'instabilités numériques lors de l'utilisation de plusieurs couches avec RELUs.

@ Aleph7, L'initialisation Xavier/Glorot dépend du nombre de connexions entrantes (fan_in), du nombre de connexions sortantes (fan_out) et du type de fonction d'activation (sigmoïde ou tanh) du neurone. Voir ceci: http://jmlr.org/proceedings/papers/v9/glorot10a/glorot10a.pdf

Alors maintenant, à votre question. Voici comment je le ferais dans TensorFlow:

(fan_in, fan_out) = ...
    low = -4*np.sqrt(6.0/(fan_in + fan_out)) # use 4 for sigmoid, 1 for tanh activation 
    high = 4*np.sqrt(6.0/(fan_in + fan_out))
    return tf.Variable(tf.random_uniform(shape, minval=low, maxval=high, dtype=tf.float32))

Notez que nous devrions échantillonner à partir d'une distribution uniforme, et non de la distribution normale comme suggéré dans l'autre réponse.

Incidemment, j'ai écrit un post hier pour quelque chose de différent en utilisant TensorFlow qui utilise également L'initialisation Xavier. Si vous êtes intéressé, il y a aussi un bloc-notes python avec un exemple de bout en bout: https://github.com/delip/blog-stuff/blob/master/tensorflow_ufp.ipynb

Une belle enveloppe autour de tensorflow appelée prettytensor donne une implémentation dans le code source (copié directement à partir de ici):

def xavier_init(n_inputs, n_outputs, uniform=True):
  """Set the parameter initialization using the method described.
  This method is designed to keep the scale of the gradients roughly the same
  in all layers.
  Xavier Glorot and Yoshua Bengio (2010):
           Understanding the difficulty of training deep feedforward neural
           networks. International conference on artificial intelligence and
           statistics.
  Args:
    n_inputs: The number of input nodes into each output.
    n_outputs: The number of output nodes for each input.
    uniform: If true use a uniform distribution, otherwise use a normal.
  Returns:
    An initializer.
  """
  if uniform:
    # 6 was used in the paper.
    init_range = math.sqrt(6.0 / (n_inputs + n_outputs))
    return tf.random_uniform_initializer(-init_range, init_range)
  else:
    # 3 gives us approximately the same limits as above since this repicks
    # values greater than 2 standard deviations from the mean.
    stddev = math.sqrt(3.0 / (n_inputs + n_outputs))
    return tf.truncated_normal_initializer(stddev=stddev)

TF-contrib a xavier_initializer. Voici un exemple comment l'utiliser:

import tensorflow as tf
a = tf.get_variable("a", shape=[4, 4], initializer=tf.contrib.layers.xavier_initializer())
with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    print sess.run(a)

En plus de cela, tensorflow a d'autres initialiseurs:

• xavier_initializer_conv2d
• variance_scaling_initializer
• constant_initializer
• zeros_initializer
• ones_initializer
• uniform_unit_scaling_initializer
• truncated_normal_initializer
• random_uniform_initializer
• random_normal_initializer
• orthogonal_initializer
• comme ainsi que beaucoup d'initialiseurs de keras

J'ai regardé et je n'ai rien trouvé construit. Cependant, selon ceci:

Http://andyljones.tumblr.com/post/110998971763/an-explanation-of-xavier-initialization

L'initialisation de Xavier consiste simplement à échantillonner une distribution (généralement gaussienne) où la variance est fonction du nombre de neurones. tf.random_normal peut le faire pour vous, il vous suffit de calculer le stddev (c'est-à-dire le nombre de neurones représentés par la matrice de poids que vous essayez de initialiser).

Via le paramètre kernel_initializer vers tf.layers.conv2d, tf.layers.conv2d_transpose, tf.layers.Dense etc

Par exemple

layer = tf.layers.conv2d(
     input, 128, 5, strides=2,padding='SAME',
     kernel_initializer=tf.contrib.layers.xavier_initializer())

Https://www.tensorflow.org/api_docs/python/tf/layers/conv2d

Https://www.tensorflow.org/api_docs/python/tf/layers/conv2d_transpose

Https://www.tensorflow.org/api_docs/python/tf/layers/Dense

Juste au cas où vous souhaitez utiliser une ligne comme vous le faites avec:

W = tf.Variable(tf.truncated_normal((n_prev, n), stddev=0.1))

Vous pouvez faire:

W = tf.Variable(tf.contrib.layers.xavier_initializer()((n_prev, n)))