当前位置: 首页>>代码示例 >>用法及示例精选 >>正文


Python tf.compat.v1.keras.initializers.lecun_normal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。

继承自:VarianceScaling

用法

tf.compat.v1.keras.initializers.lecun_normal(
    seed=None
)

参数

  • scale 比例因子(正浮点数)。
  • mode "fan_in"、"fan_out"、"fan_avg" 之一。
  • distribution 随机分布使用。 "normal"、"uniform" 之一。
  • seed 一个 Python 整数。用于创建随机种子。有关行为,请参见tf.compat.v1.set_random_seed
  • dtype 默认数据类型,如果在调用初始化程序时没有提供 dtype 参数,则使用该类型。仅支持浮点类型。

抛出

  • ValueError 如果 "scale"、mode" 或 "distribution" 参数的值无效。

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_scalingtf.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。

相关用法


注:本文由纯净天空筛选整理自tensorflow.org大神的英文原创作品 tf.compat.v1.keras.initializers.lecun_normal。非经特殊声明,原始代码版权归原作者所有,本译文未经允许或授权,请勿转载或复制。