将权重初始化为Tensorflow NN模型中的单位矩阵

Question

在GitHub上的一种模型中，我对神经网络的工作相对较新，我注意到在将权重和偏差初始化为零后，向偏差变量添加了一个单位矩阵。

 weights = tf.get_variable('weights', [256, K*K],
                              initializer=tf.constant_initializer(0.0),
                              dtype=tf.float32)
 biases = tf.get_variable('biases', [K*K],
                             initializer=tf.constant_initializer(0.0),
                             dtype=tf.float32)
 biases += tf.constant(np.eye(K).flatten(), dtype=tf.float32)
 transform = tf.matmul(net, weights)
 transform = tf.nn.bias_add(transform, biases)

此模型是否特定？这是常见的做法吗？如果是这样，将偏差初始化为单位矩阵的目的是什么？

链接到仓库：Here 链接到论文：Here

Answer 1

将所有权重初始化为零实际上不是一个好主意。如果这样做，神经网络的输出将始终为零，因为无论输入值是多少，如果将其乘以零，输出将为零。

对于神经网络，通常的做法是使用介于-1和1之间的随机噪声来初始化权重和偏差。

我个人使用Xavier initialization，其目的是使所有图层的渐变比例大致相同，从而提高收敛性。

Answer 2

将权重初始化为零不是您想要的。正如fPecc所说，随机噪声是一种很好的方法，否则您可以尝试使用正态分布。