Tensorflow 提供了7種不同的初始化函數(shù)：

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(shè)在卷積層中，設(shè)置偏執(zhí)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(shù)（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(shù)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(shù)種子；dtype：用于指定隨機數(shù)的數(shù)據(jù)類型。通常只需要設(shè)定一個標準差stddev這一個參數(shù)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(shù)（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(shù)量級的隨機值

max_val=math.sqrt(3/input_size)*factor;input_size指輸入數(shù)據(jù)的維數(shù)，假設(shè)輸入為x,計算為x*w,則input_size=w.shape[0].其分布區(qū)間為[-max_val,max_val]

tf.zeros_initializer() #將變量設(shè)置為全0；也可以簡寫為tf.Zeros()

tf.ones_initializer() #將變量設(shè)置為全1；可簡寫為tf.Ones()

以上這篇對Tensorflow中的變量初始化函數(shù)詳解就是小編分享給大家的全部內(nèi)容了，希望能給大家一個參考，也希望大家多多支持VEVB武林網(wǎng)。