随机初始化（Random+Initialization）

当你训练神经网络时，权重随机初始化是很重要的。

对于逻辑回归，把权重初始化为0当然也是可以的。

但是对于一个神经网络，如果你把权重或者参数都初始化为0，那么梯度下降将不会起作用。

让我们看看这是为什么？

有两个输入特征，n^([0])=2，2个隐藏层单元n^([1])就等于2。 因此与一个隐藏层相关的矩阵，或者说W^([1])是2*2的矩阵，假设把它初始化为0的2*2矩阵，b^([1])也等于 [0 0]^T，把偏置项b初始化为0是合理的，但是把w初始化为0就有问题了。

那这个问题如果按照这样初始化的话，你总是会发现a_1^([1]) 和 a_2^([1])相等，这个激活单元和这个激活单元就会一样。因为两个隐含单元计算同样的函数，当你做反向传播计算时，这会导致dz_1^([1]) 和 dz_2^([1])也会一样，对称这些隐含单元会初始化得一样，这样输出的权值也会一模一样，由此W^([2])等于[0 0]；

如果你这样初始化这个神经网络，那么这两个隐含单元就会完全一样，因此他们完全对称，也就意味着计算同样的函数，并且肯定的是最终经过每次训练的迭代，这两个隐含单元仍然是同一个函数，令人困惑。

dW会是一个这样的矩阵，每一行有同样的值因此我们做权重更新

把权重W^([1])⟹W^([1])-adW每次迭代后的W^([1])，第一行等于第二行。

由此可以推导，如果你把权重都初始化为0，

那么由于隐含单元开始计算同一个函数，所有的隐含单元就会对输出单元有同样的影响。

一次迭代后同样的表达式结果仍然是相同的，即隐含单元仍是对称的。

通过推导，两次、三次、无论多少次迭代，不管你训练网络多长时间，隐含单元仍然计算的是同样的函数。

因此这种情况下超过1个隐含单元也没什么意义，因为他们计算同样的东西。当然更大的网络，比如你有3个特征，还有相当多的隐含单元。

如果你要初始化成0，由于所有的隐含单元都是对称的，无论你运行梯度下降多久，他们一直计算同样的函数。这没有任何帮助，因为你想要两个不同的隐含单元计算不同的函数，

这个问题的解决方法就是随机初始化参数。

你应该这么做：

把W^([1])设为np.random.randn(2,2)(生成高斯分布)，通常再乘上一个小的数，比如0.01，这样把它初始化为很小的随机数。

然后b没有这个对称的问题（叫做symmetry breaking problem），所以可以把 b 初始化为0，因为只要随机初始化W你就有不同的隐含单元计算不同的东西，因此不会有symmetry breaking问题了。相似的，对于W^([2])你可以随机初始化，b^([2])可以初始化为0。

W^[1] =np.random.randn(2,2) *0.01,b^([1])=np.zeros((2,1)) W^([2])=np.random.randn(2,2) *0.01, b^([2])=0

你也许会疑惑，这个常数从哪里来，为什么是0.01，而不是100或者1000。

我们通常倾向于初始化为很小的随机数。因为如果你用tanh或者sigmoid激活函数，或者说只在输出层有一个Sigmoid，如果（数值）波动太大，

当你计算激活值时z^([1])=W^([1]) x+b^([1]) , a^([1])=σ(z^([1]))=g^([1]) (z^([1]))

如果W很大，z就会很大。z的一些值a就会很大或者很小，因此这种情况下你很可能停在tanh/sigmoid函数的平坦的地方(见下图)，

这些地方梯度很小也就意味着梯度下降会很慢，因此学习也就很慢。

回顾一下：

如果w很大，那么你很可能最终停在（甚至在训练刚刚开始的时候）z很大的值，这会造成tanh/Sigmoid激活函数饱和在龟速的学习上，

如果你没有sigmoid/tanh激活函数在你整个的神经网络里，就不成问题。

但如果你做二分类并且你的输出单元是Sigmoid函数，那么你不会想让初始参数太大，因此这就是为什么乘上0.01或者其他一些小数是合理的尝试。对于w^([2])一样，就是np.random.randn((1,2))，我猜会是乘以0.01。

事实上有时有比0.01更好的常数，当你训练一个只有一层隐藏层的网络时（相对浅的神经网络，没有太多的隐藏层），设为0.01可能也可以。

但当你训练一个非常非常深的神经网络，你可能会选择一个不同于的常数而不是0.01。

那么如何设置常数呢？这个等下一章深度学习网络时再做进一步说明！

点击关注，持续更新中……