一、梯度消失和梯度爆炸

1.1相关概念

一个简易三层全连接神经网络图和神经元计算如下：

观察第二个隐藏层的权值的梯度是如何求取的，根据链式法则，可以得到如下计算公式，会发现w2的梯度依赖上一层的输出值H1；

当H1趋近于0的时候，W2的梯度也趋近于0；—>梯度消失
当H1趋近于无穷的时候，W2的梯度也趋近于无穷；—>梯度爆炸

一旦出现梯度消失或者梯度爆炸就会导致模型无法训练；

1.2 代码实现

import os
import torch
import random
import numpy as np
import torch.nn as nn
from common_tools import set_seedset_seed(1)  # 设置随机种子class MLP(nn.Module):def __init__(self, neural_num, layers):super(MLP, self).__init__()self.linears = nn.ModuleList([nn.Linear(neural_num, neural_num, bias=False) for i in range(layers)])self.neural_num = neural_numdef forward(self, x):for (i, linear) in enumerate(self.linears):x = linear(x)# x = torch.relu(x)# x = torch.tanh(x)print("layer:{}, std:{}".format(i, x.std()))  # 打印当前值的标准差if torch.isnan(x.std()):  # 判断是什么时候标准差为nanprint("output is nan in {} layers".format(i))breakreturn x# 权值初始化函数def initialize(self):for m in self.modules():if isinstance(m, nn.Linear):  # 判断当前网络层是否是线性层，如果是就进行权值初始化nn.init.normal_(m.weight.data)  # normal: mean=0, 控制标准差std在1左右# nn.init.normal_(m.weight.data, std=np.sqrt(1 / self.neural_num))# =======这段代码的目的是通过均匀分布初始化并结合tanh激活函数的特性,为神经网络的某一层（线性层）初始化合适的权重# a = np.sqrt(6 / (self.neural_num + self.neural_num))# tanh_gain = nn.init.calculate_gain('tanh')# a *= tanh_gain# nn.init.uniform_(m.weight.data, -a, a)# 将权重矩阵的值初始化为在 [-a, a] 范围内均匀分布的随机数。这个范围是通过之前的计算和调整得到的，目的是使得权重初始化在一个合适的范围内# nn.init.xavier_uniform_(m.weight.data, gain=tanh_gain)# ================凯明初始化方法================# nn.init.normal_(m.weight.data, std=np.sqrt(2 / self.neural_num))  # 适合relu激活函数初始化 凯明初始化手动计算方法# nn.init.kaiming_normal_(m.weight.data)# flag = 0
flag = 1if flag:layer_nums = 100  # 100层线性层neural_nums = 256  # 每增加一层网络 标准差扩大根号n倍batch_size = 16net = MLP(neural_nums, layer_nums)print(net)net.initialize()inputs = torch.randn((batch_size, neural_nums))  # normal: mean=0, std=1output = net(inputs)print(output)

1.3 实验结果

这里的初始化使用的是标准正态分布normal: mean=0, 控制标准差std在1左右的方法；

当输出层达到33层后就会出现梯度爆炸，超出了数据精度可以表示的范围。

1.4 方差计算

1.期望的计算公式
2,3.是方差的计算公式
根据1,2,3，可以得出,x，y的方差计算公式，当x,y的期望值都为0的时候，x,y的方差等于x的方差乘以y的方差。

1.5 标准差计算

通过计算可以得出每增加一层网络，标准差增加$\sqrt{n}$,n也就是神经元的个数；
代码展示：

if flag:layer_nums = 100  # 100层线性层neural_nums = 256  # 神经元个数 每增加一层网络 标准差扩大根号n倍batch_size = 16

执行结果：
可以看出第一层标准差是15.95，第二次标准差在上一层的基础上再乘以$\sqrt{256}$；

1.6 控制网络层输出标准差为1

从1.5可以看出D(H)的大小有三个因素决定，分别是n、D(X)、D(w)，所以只要保证这三者乘积为1，就可以保证D（H）的值为1；

当我们权值的标准差为$\sqrt{1/n}$，那么就能保证网络层每一层的输出标准差都为1；

代码实现：

输出结果：

通过输出结果可以发现，几乎每一层网络输出的标准差都为1.

1.7 带有激活函数的权重初始化

在forward函数里面添加tanh激活函数

执行结果：
增加tanh激活函数之后，随着网络层的增加，标准差越来越小，从而会导致梯度消失的现象，下面将说明Xavier方法与Kaiming方法是如何解决该问题。

二、Xavier方法与Kaiming方法

2.1 Xavier初始化

方差一致性：保持数据尺度维持在恰当范围，通常方差为1
激活函数：饱和函数，如Sigmoid，Tanh
Xavier初始化公式如下：

代码实现：
手动代码实现

直接使用pytorch提供的xavier_uniform_函数方法

nn.init.xavier_uniform_(m.weight.data, gain=tanh_gain)

执行结果：

可以看到，每一层的网络输出标准差都在0.6左右

2.2 Kaiming初始化

当我们使用带有权值初始化的relu激活函数时，输出结果如下，会发现标准差随着网络层的增加逐渐减小，Kaiming初始化解决了这一问题。

方差一致性：保持数据尺度维持在恰当范围，通常方差为1
激活函数：ReLU及其变种
公式如下：

代码实现：

# ================凯明初始化方法================
nn.init.normal_(m.weight.data, std=np.sqrt(2 / self.neural_num))  # 适合relu激活函数初始化 凯明初始化手动计算方法
# nn.init.kaiming_normal_(m.weight.data)  # 使用pytorch自带方法

输出结果：

2.3 常见的初始化方法

1. Xavier均匀分布
2. Xavier正态分布
3. Kaiming均匀分布
4. Kaiming正态分布
5. 均匀分布
6. 正态分布
7. 常数分布
8. 正交矩阵初始化
9. 单位矩阵初始化
10. 稀疏矩阵初始化

三、nn.init.calculate_gain

主要功能：计算激活函数的方差变化尺度(也就是输入数据的方差/经过激活函数之后的方差)
主要参数
• nonlinearity: 激活函数名称
• param: 激活函数的参数，如Leaky ReLU的negative_slop

代码实现：

flag = 1if flag:x = torch.randn(10000)out = torch.tanh(x)gain = x.std() / out.std()  # 手动计算print('gain:{}'.format(gain))tanh_gain = nn.init.calculate_gain('tanh')  # pytorch自带函数print('tanh_gain in PyTorch:', tanh_gain)

输出结果：

总结：任何数据在经过tanh激活函数之后，方差缩小大约1.6倍。感兴趣的话也可以使用relu进行实验，最后我的到的结果方差尺度大约是1.4左右。