Python tf.compat.v1.keras.initializers.VarianceScaling用法及代码示例

初始化器能够使其规模适应权重张量的形状。

用法

tf.compat.v1.keras.initializers.VarianceScaling(
    scale=1.0, mode='fan_in', distribution='truncated_normal',
    seed=None, dtype=tf.dtypes.float32
)

迁移到 TF2

警告：这个 API 是为 TensorFlow v1 设计的。继续阅读有关如何从该 API 迁移到本机 TensorFlow v2 等效项的详细信息。见TensorFlow v1 到 TensorFlow v2 迁移指南有关如何迁移其余代码的说明。

虽然它是一个遗留的 compat.v1 API，但此符号与即刻执行和 tf.function 兼容。

要切换到 TF2 API，请转为使用 tf.initializers.variance_scaling 或 tf.keras.initializers.VarianceScaling(均来自 compat.v1 )并在调用初始化程序时传递 dtype。

到 TF2 的结构映射

前：

initializer = tf.compat.v1.variance_scaling_initializer(
  scale=scale,
  mode=mode,
  distribution=distribution
  seed=seed,
  dtype=dtype)

weight_one = tf.Variable(initializer(shape_one))
weight_two = tf.Variable(initializer(shape_two))

后：

initializer = tf.keras.initializers.VarianceScaling(
  scale=scale,
  mode=mode,
  distribution=distribution
  seed=seed)

weight_one = tf.Variable(initializer(shape_one, dtype=dtype))
weight_two = tf.Variable(initializer(shape_two, dtype=dtype))

如何映射参数

TF1 参数名称	TF2 参数名称	注意
scale	scale	没有更改默认值
mode	mode	没有更改默认值
distribution	distribution	没有更改默认值。 'normal' 映射到 'truncated_normal'
seed	seed
dtype	dtype	TF2 api 仅将其作为 __call__ arg，而不是构造函数 arg。
partition_info	-	(TF1 中的 __call__ arg)不支持

使用 distribution="truncated_normal" or "untruncated_normal" ，样本是从均值为零和标准偏差(截断后，如果使用)的截断/未截断正态分布中抽取的 stddev = sqrt(scale / n) 其中 n 是：

• 权重张量中的输入单元数，如果 mode = "fan_in"
• 输出单元的数量，如果模式 = "fan_out"
• 输入和输出单元数量的平均值，如果 mode = "fan_avg"

使用 distribution="uniform" ，使用 limit = sqrt(3 * scale / n) 从 [-limit, limit] 内的均匀分布中抽取样本。