我正在处理二进制不平衡分类，并且一直在使用焦距损失来改善结果。在原始论文中提到，对于平衡二元分类问题，权重必须进行不同的初始化，以防止训练过程中出现不稳定。
这是我指的是https://arxiv.org/abs/1708.02002（第3.3和4.1节）。
具体地说，他们说：
除RetinaNet子网中的最后一层外，所有新的conv层均使用b = 0进行初始化 并用
theta = 0.01填充高斯权重。对于最后的转换 在分类子网的第二层，我们将偏差初始化设置为b = − log((1 − pi)/pi)，其中pi指定在训练开始时，每个锚点都应置为pi，标记为前景。在所有实验中，我们都使用pi = .01，尽管结果对确切值很可靠。
由于我的培训非常不稳定，所以我想知道如何在keras中初始化内核。