TensorFlow中变量初始化函数

本文主要是介绍TensorFlow中变量初始化函数，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

• tf.constant_initializer : 将变量初始化为常量。

eg:

  >>> import numpy as np>>> import tensorflow as tf>>> value = [0, 1, 2, 3, 4, 5, 6, 7]>>> init = tf.constant_initializer(value)

• tf.random_normal_initializer : 将变量初始化为满足正态分布的随机数，需要输入的参数为：正太分布的均值与标准差。
• tf.truncated_normal_initializer : 将变量初始化为满足正态分布的随机数,但当随机值偏离平均值超过2个标准差，则重新随机。 需要输入的参数为：正太分布的均值与标准差。
• tf.zeros_initializer : 将变量设为0， 输入参数为：变量的维度。
• tf.ones_initializer : 将变量设为1， 输入参数为：变量的维度。

 

参考：

• https://www.tensorflow.org/
• 《实战Google深度学习框架》

 

这篇关于TensorFlow中变量初始化函数的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---