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

生成初始化为 0 的张量的初始化程序。

用法

tf.compat.v1.keras.initializers.Zeros(
    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。

tf.compat.v1.zeros_initializer 与即刻执行和 tf.function 兼容。

要迁移到 TF2，请改用tf.zeros.initializer。 tf.compat.v1.zeros.initializer.init_() 中的 dtype 参数在 tf.zerosinitializer.init_() 中不存在。但是，在这两种情况下，您都可以在__call__() 中指定dtype。

到 TF2 的结构映射

前：

initializer = tf.compat.v1.zeros_initializer(dtype=tf.float32)
variable = tf.Variable(initializer(shape=[3, 3]))

后：

initializer = tf.zeros_initializer()
variable = tf.Variable(initializer(shape=[3, 3], dtype=tf.float32))

如何映射参数

TF1 参数名称	TF2 参数名称	注意
dtype	dtype	在__call__() 方法中
partition_info	-	(TF1 中的 __call__ arg)不支持

使用示例之前和之后

前：

initializer = tf.compat.v1.zeros_initializer(dtype=tf.float32)
tf.Variable(initializer(shape=[3])).numpy()
array([0., 0., 0.], dtype=float32)
tf.Variable(initializer(shape=[3, 3])).numpy()
array([[0., 0., 0.],
       [0., 0., 0.],
       [0., 0., 0.]], dtype=float32)
initializer = tf.compat.v1.zeros_initializer()
tf.Variable(initializer(shape=[3], dtype=tf.float32)).numpy()
array([0., 0., 0.], dtype=float32)
tf.Variable(initializer(shape=[3, 3], dtype=tf.float32)).numpy()
array([[0., 0., 0.],
       [0., 0., 0.],
       [0., 0., 0.]], dtype=float32)

后：

initializer = tf.zeros_initializer()
tf.Variable(initializer(shape=[3], dtype=tf.float32)).numpy()
array([0., 0., 0.], dtype=float32)
tf.Variable(initializer(shape=[3, 3], dtype=tf.float32)).numpy()
array([[0., 0., 0.],
       [0., 0., 0.],
       [0., 0., 0.]], dtype=float32)