请问，神经网络中，权重随机初始化多少次，在哪里初始化的
是在输入时初始化一次就够了，还是怎样？
谢谢！
深度学习初始化权重细节
- 写回答
- 好问题 0 提建议
- 关注问题
分享- 邀请回答
-
1条回答 默认 最新
狗小那条花 2022-05-07 15:59关注你用的什么框架，只在训练开始初始化一次就够了，一般是默认自动的吧，好像是有不同的初始化方式，但一般不用管。
本回答被题主选为最佳回答 , 对您是否有帮助呢?解决 无用评论 打赏举报 分享
- 2024-04-30 16:13南太湖小蚂蚁的博客 本文主要讨论了深度学习模型中的权重初始化问题，并比较了高斯分布和Xavier以及kaiming初始化的具体区别。
- 2024-09-08 22:51真以为Sophie是猪啊的博客 Xavier 初始化适合 Sigmoid、Tanh 激活函数，能够保持输入和输出的方差平衡。He 初始化适合 ReLU 和 Leaky ReLU 激活函数，能帮助...通过合理的权重初始化方法，深度学习模型可以更快地收敛，并获得更好的训练效果。
- 2022-03-19 16:19AiCharm的博客 深度学习相关概念：权重初始化1.全零初始化（×）2.随机初始化2.1 高斯分布/均匀分布2.1.1权重较小—N(0,0.01)\pmb{\mathcal{N}(0,0.01)}N(0,0.01)N(0,0.01)N(0,0.01)2.1.1权重较大—N(0,1\pmb{\mathcal{N}(0,...
- 2024-11-22 11:00好评笔记的博客 本文介绍深度学习常见的概念——权重初始化、评估指标、梯度消失和梯度爆炸。
- 2024-06-24 10:13yiruzhao的博客 在深度学习中，常见的权重初始化方法包括零初始化、随机初始化、Xavier（Glorot）初始化、He初始化、正交初始化、Lecun初始化等。这些方法在不同的场景和网络结构下有不同的效果。
- 2024-06-20 00:42程序员光剑的博客 深度学习，作为人工智能的核心技术，已经在诸多领域取得了重大的突破。然而，深度学习模型的训练过程却充满了挑战，权重初始化和激活函数选择是其中的两个关键因素。这两者的选择会直接影响到模型的训练速度、准确性...
- 2023-04-11 15:37梁小憨憨的博客 最近看论文，看到不少论文说明他们的卷积的权重初始化方式为Kaiming Uniform，我就好奇这是个什么东西，然后一查才知道，这是一种权重初始化方式，并且是Pytorch默认的一种初始化方式，那就想，这有啥好在论文中写的...
- 2025-07-21 20:00雷鸣leiming666的博客 权重初始化的标准差”是指在时，随机分布的标准差（或方差）。它直接决定了初始权重值的和。如果这个标准差设置得不合适，会导致：✅→ 前向传播时激活值容易爆炸，反向传播时梯度也会爆炸。✅→ 前向传播时信号衰减...
- 2024-12-24 18:36山语山的博客 今天给大家分享常见的 7 种权重初始化方法初始化深度学习模型的权重是影响模型训练速度、稳定性以及最终性能的重要因素。以下是常见的 7 种权重初始化方法，每种方法都有其适用的场景和特性。
- 2023-07-10 22:21小小小~的博客 的初始化则显得至关重要，一个好的权重初始化虽然不能完全解决梯度消失和梯度爆炸的问题，但是对于处理这两个问题是有很大的帮助的，并且十分有利于模型性能和收敛速度。而言，损失函数的导数都是相同的，因此在随后...
- 没有解决我的问题, 去提问
问题事件
系统已结题
6月7日
已采纳回答
5月30日-
创建了问题
5月7日