溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
這期內容當中小編將會給大家帶來有關Tensorflow中變量初始化函數的作用是什么，文章內容豐富且以專業的角度為大家分析和敘述，閱讀完這篇文章希望大家可以有所收獲。
Tensorflow 提供了7種不同的初始化函數：
tf.constant_initializer(value) #將變量初始化為給定的常量,初始化一切所提供的值。
假設在卷積層中，設置偏執項b為0，則寫法為: 1. bias_initializer=tf.constant_initializer(0) 2. bias_initializer=tf.zeros_initializer(0)
tf.random_normal_initializer(mean,stddev) #功能是將變量初始化為滿足正太分布的隨機值，主要參數（正太分布的均值和標準差），用所給的均值和標準差初始化均勻分布
tf.truncated_normal_initializer(mean,stddev,seed,dtype) #功能：將變量初始化為滿足正太分布的隨機值，但如果隨機出來的值偏離平均值超過2個標準差，那么這個數將會被重新隨機
mean:用于指定均值；stddev用于指定標準差；seed:用于指定隨機數種子；dtype：用于指定隨機數的數據類型。 通常只需要設定一個標準差stddev這一個參數就可以。
tf.random_uniform_initializer(a,b,seed,dtype) #從a到b均勻初始化，將變量初始化為滿足平均分布的隨機值，主要參數（最大值，最小值）
tf.uniform_unit_scaling_initializer(factor,seed,dtypr) #將變量初始化為滿足平均分布但不影響輸出數量級的隨機值
max_val=math.sqrt(3/input_size)*factor; input_size指輸入數據的維數，假設輸入為x,計算為x*w,則input_size=w.shape[0]. 其分布區間為[-max_val,max_val]
tf.zeros_initializer() #將變量設置為全0；也可以簡寫為tf.Zeros()
tf.ones_initializer() #將變量設置為全1；可簡寫為tf.Ones()
上述就是小編為大家分享的Tensorflow中變量初始化函數的作用是什么了，如果剛好有類似的疑惑，不妨參照上述分析進行理解。如果想知道更多相關知識，歡迎關注億速云行業資訊頻道。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
