W3Cschool
恭喜您成為首批注冊用戶
獲得88經(jīng)驗值獎勵
tf.constant_initializer 類
tf.contrib.keras.initializers.Constant 類
定義在:tensorflow/python/ops/init_ops.py.
參見指南:變量>共享變量
初始化器用于生成具有常量值的張量.
生成的張量由 dtype 類型的值填充,參數(shù)值按照新張量的期望形狀來指定(參見下面的例子).
參數(shù)值可以是常量值,或者是 dtype 類型的值的列表.如果值是一個列表,則列表的長度必須小于或等于所需的張量形狀所隱含的元素數(shù).如果值中的元素總數(shù)小于張量形狀所需的元素數(shù),則值中的最后一個元素將用于填充剩余的項.如果值中的元素總數(shù)大于張量形狀所需的元素數(shù),則初始值設(shè)定項將引發(fā) ValueError.
示例:可以使用 numpy.ndarray 而不是 value 列表重寫以下示例,甚至重新映射,如 value 列表初始化下面的兩個注釋行所示.
>>> import numpy as np
>>> import tensorflow as tf
>>> value = [0, 1, 2, 3, 4, 5, 6, 7]
>>> # value = np.array(value)
>>> # value = value.reshape([2, 4])
>>> init = tf.constant_initializer(value)
>>> print('fitting shape:')
>>> with tf.Session():
>>> x = tf.get_variable('x', shape=[2, 4], initializer=init)
>>> x.initializer.run()
>>> print(x.eval())
fitting shape:
[[ 0. 1. 2. 3.]
[ 4. 5. 6. 7.]]
>>> print('larger shape:')
>>> with tf.Session():
>>> x = tf.get_variable('x', shape=[3, 4], initializer=init)
>>> x.initializer.run()
>>> print(x.eval())
larger shape:
[[ 0. 1. 2. 3.]
[ 4. 5. 6. 7.]
[ 7. 7. 7. 7.]]
>>> print('smaller shape:')
>>> with tf.Session():
>>> x = tf.get_variable('x', shape=[2, 3], initializer=init)
* <b>`ValueError`</b>: Too many elements provided. Needed at most 6, but received 8
>>> print('shape verification:')
>>> init_verify = tf.constant_initializer(value, verify_shape=True)
>>> with tf.Session():
>>> x = tf.get_variable('x', shape=[3, 4], initializer=init_verify)
* <b>`TypeError`</b>: Expected Tensor's shape: (3, 4), got (8,).
__init__(
value=0,
dtype=tf.float32,
verify_shape=False
)
__call__(
shape,
dtype=None,
partition_info=None,
verify_shape=None
)
from_config(
cls,
config
)
從配置字典中實例化一個初始化程序.
例:
initializer = RandomUniform(-1, 1)
config = initializer.get_config()
initializer = RandomUniform.from_config(config)
一個初始化程序?qū)嵗?
get_config ()
Copyright©2021 w3cschool編程獅|閩ICP備15016281號-3|閩公網(wǎng)安備35020302033924號
違法和不良信息舉報電話:173-0602-2364|舉報郵箱:jubao@eeedong.com
掃描二維碼
下載編程獅App
編程獅公眾號
聯(lián)系方式:
更多建議: