TensorFlow的变量初始化

主要参考TensorFlow 变量初始化函数，无变动

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.random_normal_initializer	将变量初始化为满足正太分布的随机值	正太分布的均值和标准差
tf.truncated_normal_initializer	将变量初始化为满足正太分布的随机值，但是变量随机的值偏离平均值超过两个标准差，那么这个数将被重新随机	正太分布的均值和标准差
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
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集的随机值	factor(产生的随机数值乘以系数)
tf.zeros_initializer	将变量设为全0	变量维度
tf.ones_initializer	将变量设为全1	变量维度

主要参考TensorFlow变量初始化，稍有变动

tf.get_variable的初始化调用为：
tf.get_variable(name, shape=None, initializer=None, dtype=tf.float32, trainable=True, collections=None)
其中initializer就是变量初始化的方法，初始化的方式有以下种类：
initializer = tf.constant_initializer(const)：常量初始化函数
initializer = tf.random_normal_initializer()：正态分布初始化函数
initializer = tf.truncated_normal_initializer(mean = 0.0, stddev = 1.0, seed = None, dtype = dtypes.float32)：截取的正态分布初始化函数
initializer = tf.random_uniform_initializer(minval = 0, maxval = None, seed = None, dtype = dtypes.float32)：均匀分布初始化函数
initializer = tf.zeros_initializer()：全0常量初始化函数
initializer = tf.ones_initializer()：全1常量初始化函数
initializer = tf.uniform_unit_scaling_initializer(factor = 1.0, seed = None, dtype = dtypes.float32)：均匀分布（不指定最小、最大值），初始化函数
initializer = tf.variance_scaling_initializer(scale = 1.0, mode = “fan_in”, distribution = “normal”, seed = None, dtype = dtypes.float32)：由mode确定是截取的正态分布，还是均匀分布初始化函数
initializer = tf.orthogonal_initializer()：正交矩阵初始化函数
initializer = tf.glorot_uniform_initializer()：由输入单元节点数和输出单元节点数确定的均匀分布初始化函数
initializer = tf.glorot_normal_initializer()：由输入单元节点数和输出单元节点数确定的截取的正态分布初始化函数
PS: tf.get_variable中initializer的初始化不需要再指定shape了，已经在外面指定。

基本的变量初始化为：
tf.ones(shape, dtype = tf.float32, name = None)
tf.zeros(shape, dtype = tf.float32, name = None)
tf.ones_like(tensor, dtype = None, name = None)
tf.zeros_like(tensor, dtype = None, name = None)
tf.fill(dim, value, name = None)
tf.constant(value, dtype = None, shape = None, name = None)
tf.linspace(start, stop, num, name = None)
tf.range(start, limit = None, delta = 1, name = None)
tf.random_normal(shape, mean = 0.0, stddev = 1.0, dtype = tf.float32, seed = None, name = None)
tf.truncated_normal(shape, mean = 0.0, stddev = 1.0, dtype = tf.float32, seed = None, name = None)
tf.random_uniform(shape, minval = 0, maxval = None, dtype = tf.float32, seed = None, name = None)
tf.random_shuffle(value, seed =None, name = None)
tf.set_random_seed(seed)：设置产生随机数的种子
例如：
tf.set_random_seed(123456789)
varA = tf.random_normal([1.0])