我们已经知道，神经网络的参数主要是权重（weights）：W， 和偏置项（bias）：b。
训练神经网络的时候需先给定一个初试值，才能够训练，然后一点点地更新，但是不同的初始化方法，训练的效果可能会截然不同。本文主要记录一下不同的初始化的方法，以及相应的效果。
笔者正在学习的Andrew Ng的DeepLearning.ai提供了相应的模型框架和数据，我们这里要自己设置的就是不同的初值。
数据可视化之后是这样的：
我们需要做的就是把上面的红点和蓝点分类。
一、直接把参数都初始化为0
这是大家可以想到的最简单的方法，也确实很多其他的地方都采用0初值，那神经网络中这样做是否可行呢？
在python中，可以用np.zeros((维度)) 来给一个向量/矩阵赋值0，
于是，对于L层神经网络，可这样进行0-initialization：
for l in range(1,L): #总共L层，l为当前层
W = np.zeros((num_of_dim[l],num_of_dim[l-1])) # W的维度是（当前层单元数，上一层单元数）
b = np.zeros((num_of_dim[l],1)) # b的维度是（当前层单元数，1）
通过这样的初值，我们run一下模型，得到的cost-iteration曲线以及在训练集、测试集上面的准确率如下：
可以发现， 压根就没训练！得到的模型跟瞎猜没有区别。
为什么呢？
我们看看神经网络的结构图：
这是一个3层神经网络，可以看出，神经网络结构是十分 对称的，不管有几层。
当我们把所有的参数都设成0的话，那么上面的每一条边上的权重就都是0，那么神经网络就还是对称的，对于同一层的每个神经元，它们就一模一样了。
这样的后果是什么呢？我们知道， 不管是哪个神经元，它的前向传播和反向传播的算法都是一样的，如果初始值也一样的话，不管训练多久，它们最终都一样，都无法打破对称（fail to break the symmetry）,那每一层就相当于只有一个神经元， 最终L层神经网络就相当于一个线性的网络，如Logistic regression，线性分类器对我们上面的非线性数据集是“无力”的，所以最终训练的结果就瞎猜一样。
因此，我们决不能把所有参数初始化为0，同样也不能初始化为任何相同的值，因为我们必须“打破对称性”！
二、随机初始化
好，不用0，咱们随机给一批值总可以吧。确实可以！咱们看看：
【下面的演示会试试多种参数或超参数，为了方便大家看，我分4步：①②③④】
①随机初始化
python中，随机初始化可以用 np.random.randn(维度) 来随机赋值：
于是前面的代码改成：
for l in range(1,L): #总共L层，l为当前层
W = np.random.randn(num_of_dim[l],num_of_dim[l-1]) # W的维度是（当前层单元数，上一层单元数）
b = np.zeros((num_of_dim[l],1)) # b的维度是（当前层单元数，1）
这里有三点需要说明一下：
- b不用随机初始化，因为w随机之后，已经打破对称，b就一个常数，无所谓了
- random.rand()是在0~1之间随机，random.randn()是标准正态分布中随机，有正有负
- np.zeros(())这里是两个括号，random.randn()是一个括号，奇怪的很，就记着吧
那看看run出来的效果如何呢：
效果明显比0初始化要好多了，cost最后降的也比较低，准确率也不错，92%。给分类效果可视化：
我们接着试试，如果把随机初始化的值放大一点会出现什么：
②放大版随机初始化
for l in range(1,L): #总共L层，l为当前层
W = np.random.randn(num_of_dim[l],num_of_dim[l-1])*10 # W的维度是（当前层单元数，上一层单元数）
b = np.zeros((num_of_dim[l],1)) # b的维度是（当前层单元数，1）
上面的代码中，我们给W最后多乘以10，run的效果：
【注意啊，乘以10不一定就是变大，因为我们的w的随机取值可正可负，所以乘以10之后，正数更大，负数更小】
咦~~ 真o心 ~~
准确率明显降低了许多，到86%。
为什么把随机初始化的值放大就不好了呢？
我们看看神经网络中常用的sigmoid函数：
这家伙，中间的斜率大，两边的斜率小还趋于零。所以当我们把随机的值乘以10了之后，我们的初值会往两边跑，那么我们的梯度下降就会显著变慢，可能迭代半天，才下降一点点。
这就是问题的症结。
我们上面的实验，可以从图的横坐标看出，都是设定的一样的迭代次数（iteration number）：15000次，因此，在相同的迭代次数下，放大版的随机初始化的模型的学习就像一个“笨学生”，没别人学的多，因此效果就更差。
为了验证我说的，我们可以试试吧迭代次数加大，看看我说的是不是对的：
③增大迭代次数
测试了好久。。。
然后打脸了。。。
不过还是值得玩味~~
我把迭代次数显示设为60000，也就是增大了4,5倍，结果cost function后来下降十分十分缓慢，最后效果还不如之前的。然后我再把迭代次数增加到了160000，相当于比一开始增大了10倍多，结果....
可以看到，cost基本从20000次迭代之后就稳定了，怎么都降不下去了，实际上是在降低，但是十分十分十分X10地缓慢。难道这就是传说中的梯度消失？？？
所以结果并没有我想象地把迭代次数加大，就可以解决这个问题，实际上，可以看到，在训练集上准确度确实上升了，所以说明确实模型有所改进，只不过改进的太缓慢，相当于没有改进。
仔细分析了一下，由于W太大或者太小，导致激活函数对w的倒数趋于零，那么计算cost对w的导数也会趋于零，所以下降如此缓慢也是可以理解。
好，放大的效果如此差，我们缩小试试？
④缩小版随机初始化
还是回到迭代14000次，这次把w除以10看看：
嘿~缩小结果甚至更差！连圈圈都没有了。
上面这个图，说明学习到的模型太简单了，因为我们把w都除以10，实际上就接近0了，深度学习中我们认为参数越大，模型越复杂；参数越小，模型越简单。所以除以10之后，参数太小了，模型就too simple了，效果当然不好。
最后再试一次吧，再多的话大家都烦了我也烦了。
上面乘以10和除以10，效果都很差，那我们试一个中间的，比如：除以3（真的是随便试试）
好了好了，终于提高了！这个准确率是目前的最高水平了！
可见，只要找到一个恰当的值来缩小，是可以提高准确率的。但是，这里除以三是我拍脑门出来的，不能每次都这么一个个地试吧，有没有一个稳健的，通用的方法呢？
有！接着看：
三、何氏初试法（He Initialization）（不知道是不是何，我音译的）
上面试了各种方法，放大缩小都不好，无法把握那个度。还好，总有大神为我们铺路，论文He et al., 2015.中提出了一种方法，我们称之为He Initialization，它就是在我们随机初始化了之后，乘以
这样就避免了参数的初始值过大或者过小，因此可以取得比较好的效果，代码也很简单，用np.sqrt()来求平方根：
for l in range(1,L): #总共L层，l为当前层
W = np.random.randn(num_of_dim[l],num_of_dim[l-1])**np.sqrt(2/num_of_dim[l-1]) # W的维度是（当前层单元数，上一层单元数）
b = np.zeros((num_of_dim[l],1)) # b的维度是（当前层单元数，1）
取得的效果如下：
啧啧啧，看这效果，看这优美的损失曲线，看着卓越的准确率... ...
以后就用你了，He Initialization ！
其实吧，He Initialization是推荐针对使用ReLU激活函数的神经网络使用的，不过对其他的激活函数，效果也不错。
还有其他的类似的一些好的初始化方法，例如：
推荐给sigmoid的Xavier Initialization：随机化之后乘以
总结一下：
- 神经网络不可用0来初始化参数！
- 随机赋值是为了打破对称性，使得不同的神经元可以有不同的功能
- 推荐在初始化的时候使用He Initialization
我的其他[深度学习笔记]文章：
【DL笔记1】Logistic回归：最基础的神经网络
【DL笔记2】神经网络编程原则&Logistic Regression的算法解析
如果觉得写的不错，随手点个赞吧！