卷积神经网络权重初始化代码

卷积神经网络（Convolutional Neural Network, CNN）的权重初始化是一个关键步骤，因为它会影响模型学习和收敛的速度。一种常见的权重初始化策略是在深度学习库如TensorFlow、PyTorch中使用的“Xavier初始化”或“He初始化”。

1. Xavier初始化（也称为 Glorot 初始化）：

import tensorflow as tf
initializer = tf.keras.initializers.glorot_uniform()
weights = tf.Variable(initializer(shape=(kernel_height, kernel_width, input_channels, output_channels)))

或者对于Keras：

model.add(Conv2D(filters, kernel_size, activation='relu', kernel_initializer='glorot_uniform'))

2. He初始化（适用于ReLU激活函数，也称为 "He initialization" 或 "He-Kaiming initialization"）：

initializer = tf.keras.initializers.he_uniform()
# 或者在Keras中：
model.add(Conv2D(filters, kernel_size, activation='relu', kernel_initializer='he_uniform'))

这些初始化方法旨在让输入和输出的方差保持在一个合适的范围，有助于加速梯度流动，防止过早地饱和或消失。