Tensorflow初始化函數

Tensorflow 提供了7種不同的初始化函數：

• tf.constant_initializer(value) # 將變量初始化爲給定的常量,初始化一切所提供的值。

  假設在卷積層中，設置偏執項b爲0，則寫法爲:
  1. bias_initializer=tf.constant_initializer(0)
  2. bias_initializer=tf.zeros_initializer(0)
  

• tf.random_normal_initializer(mean,stddev) # 將變量初始化爲滿足正太分佈的隨機值，主要參數（正太分佈的均值和標準差），用所給的均值和標準差初始化均勻分佈

• tf.truncated_normal_initializer(mean,stddev,seed,dtype) # 將變量初始化爲滿足正太分佈的隨機值，但如果隨機出來的值偏離平均值超過2個標準差，那麼這個數將會被重新隨機

  mean:用於指定均值；
  stddev用於指定標準差；
  seed:用於指定隨機數種子；
  dtype：用於指定隨機數的數據類型。
  通常只需要設定一個標準差stddev這一個參數就可以。
  

• tf.random_uniform_initializer(a,b,seed,dtype) #從a到b均勻初始化，將變量初始化爲滿足平均分佈的隨機值，主要參數（最大值，最小值

• tf.uniform_unit_scaling_initializer(factor,seed,dtypr) #將變量初始化爲滿足平均分佈 但不影響輸出數量級的隨機值

• tf.zeros_initializer() # 將變量設置爲全0；也可以簡寫爲tf.Zeros()

• tf.ones_initializer() # 將變量設置爲全1；可簡寫爲tf.Ones()