TensorFlow函數(shù)：tf.uniform_unit_scaling_initializer

tf.uniform_unit_scaling_initializer函數(shù)

uniform_unit_scaling_initializer 類

別名：

• 類 tf.initializers.uniform_unit_scaling
• 類 tf.uniform_unit_scaling_initializer

定義在：tensorflow/python/ops/init_ops.py

請參閱指南：變量>共享變量

初始化器,可生成張量而不會縮放方差.

初始化深度網(wǎng)絡時,原則上有利的是保持輸入方差的比例不變,因此它不會通過到達最后一層而迅速擴大或減少.如果輸入是 x,操作是：x * W,我們想要隨機地初始化 W,則需要我們挑選從以下表達中挑選 W：

[-sqrt(3) / sqrt(dim), sqrt(3) / sqrt(dim)]

保持該比例不變,其中 dim = W.shape[0](輸入的大小).卷積網(wǎng)絡的類似計算給出了類似的結果,其 dim 等于前三個維度的乘積.當存在非線性時,我們需要乘以一個常數(shù) factor.參見 Sussillo et al., 2014 (pdf) 了解更深層次的動機,實驗和常量的計算.

函數(shù)參數(shù)：

• factor：浮點型,一個乘法因子,其值將被縮放.
• seed：一個 Python 的整數(shù)用于創(chuàng)建隨機種子,參閱：tf.set_random_seed函數(shù).
• dtype：數(shù)據(jù)類型,僅支持浮點類型.

方法

__init__

__init__(
    factor=1.0,
    seed=None,
    dtype=tf.float32
)

此功能已被取消.它將在未來版本中刪除.更新說明：使用 tf.initializers.variance_scaling 而不是 distribution=uniform 來獲得等效行為.

__call__

__call__(
    shape,
    dtype=None,
    partition_info=None
)

from_config

from_config(
    cls,
    config
)

從配置字典中實例化初始化程序.

如下示例：

initializer = RandomUniform(-1, 1)
config = initializer.get_config()
initializer = RandomUniform.from_config(config)

參數(shù)：

• config：一個 Python 的字典,它通常是 get_config 的輸出.

返回值：

返回一個初始化實例.

get_config

get_config()