Tensorflow 提供了7种不同的初始化函数:
初始化函数 | 功能 | 主要参数 |
tf.constant_initializer | 将变量初始化为给定常量 | 常量的取值(tf.constant_initializer(value)) |
tf.random_normal_initializer | 将变量初始化为满足正态分布的随机值 | 正态分布的均值和标准差 (tf.random_normal_initializer(mean=0.0, stddev=1.0, seed=None, dtype=tf.float32)) |
tf.truncated_normal_initializer | 将变量初始化为满足正态分布的随机值,但如果随机出的 值偏离平均值超过2个标准差,那么这个数将会被重新随机 | 正态分布的均值和标准差 These values are similar to values from a `random_normal_initializer` |
tf.random_uniform_initializer | 将变量初始化为满足平均分布的随机值 | 最大、最小值,__init__(self, minval=0, maxval=None, seed=None, dtype=tf.float32) |
tf.uniform_unit_scaling_initializer | 将变量初始化为满足平均分布但不影响输出数量级的随机值 | factor(产生随机值时乘以的系数),__init__(self, factor=1.0, seed=None, dtype=tf.float32) |
tf.zeros_initializer | 将变量设置为全0 | 变量维度 |
tf.ones_initializer | 将变量设置为全1 | 变量维度 |
tf.constant_initializer(value) #将变量初始化为给定的常量,初始化一切所提供的值。
1 2 3 |
|
tf.random_normal_initializer(mean,stddev) #功能是将变量初始化为满足正太分布的随机值,主要参数(正太分布的均值和标准差),用所给的均值和标准差初始化均匀分布
tf.truncated_normal_initializer(mean,stddev,seed,dtype) #功能:将变量初始化为满足正太分布的随机值,但如果随机出来的值偏离平均值超过2个标准差,那么这个数将会被重新随机
1 2 |
|
tf.random_uniform_initializer(a,b,seed,dtype) #从a到b均匀初始化,将变量初始化为满足平均分布的随机值,主要参数(最大值,最小值)
tf.uniform_unit_scaling_initializer(factor,seed,dtypr) #将变量初始化为满足平均分布但不影响输出数量级的随机值
1 2 3 |
|
tf.zeros_initializer() #将变量设置为全0;也可以简写为tf.Zeros()
tf.ones_initializer() #将变量设置为全1;可简写为tf.Ones()