Comment faire l'initialisation de Xavier sur TensorFlow

Je porte mon réseau Caffe vers TensorFlow mais il ne semble pas avoir d'initialisation xavier. J'utilise truncated_normalmais cela semble rendre l'entraînement beaucoup plus difficile.

Dans tensorflow 2.0 et en outre à la fois tf.contrib.*et tf.get_variable()sont obsolètes. Pour effectuer l'initialisation de Xavier, vous devez maintenant passer à:

init = tf.initializers.GlorotUniform()
var = tf.Variable(init(shape=shape))
# or a oneliner with a little confusing brackets
var = tf.Variable(tf.initializers.GlorotUniform()(shape=shape))

L'uniforme Glorot et l'uniforme Xavier sont deux noms différents du même type d'initialisation. Si vous souhaitez en savoir plus sur l'utilisation des initialisations dans TF2.0 avec ou sans Keras, reportez-vous à la documentation .

Depuis la version 0.8, il existe un initialiseur Xavier, voir ici pour la documentation .

Vous pouvez utiliser quelque chose comme ceci:

W = tf.get_variable("W", shape=[784, 256],
           initializer=tf.contrib.layers.xavier_initializer())

Juste pour ajouter un autre exemple sur la façon de définir un tf.Variableinitialisé 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 nanvaleurs sur ma fonction de perte en raison d'instabilités numériques lors de l'utilisation de plusieurs couches avec des RELU.

@ Aleph7, l'initialisation de 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 article hier pour quelque chose de différent en utilisant TensorFlow qui utilise également l'initialisation de Xavier. Si vous êtes intéressé, il existe également un bloc-notes python avec un exemple de bout en bout: https://github.com/delip/blog-stuff/blob/master/tensorflow_ufp.ipynb

Un joli wrapper autour de tensorflowappelé prettytensordonne une implémentation dans le code source (copié directement à partir d' 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
• ainsi que de nombreux initialiseurs de keras

J'ai cherché et je n'ai rien trouvé de intégré. Cependant, d'après 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_normalpouvez 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 d'initialiser).

Via le kernel_initializerparamètre à 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 voudriez utiliser une ligne comme vous le faites avec:

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

Tu peux faire:

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

Tensorflow 1:

W1 = tf.get_variable("W1", [25, 12288],
    initializer = tf.contrib.layers.xavier_initializer(seed=1)

Tensorflow 2:

W1 = tf.get_variable("W1", [25, 12288],
    initializer = tf.random_normal_initializer(seed=1))