Tensorflow初始化函数

Tensorflow 提供了7种不同的初始化函数：

• tf.constant_initializer(value) # 将变量初始化为给定的常量,初始化一切所提供的值。

  假设在卷积层中，设置偏执项b为0，则写法为:
  1. bias_initializer=tf.constant_initializer(0)
  2. bias_initializer=tf.zeros_initializer(0)
  

• tf.random_normal_initializer(mean,stddev) # 将变量初始化为满足正太分布的随机值，主要参数（正太分布的均值和标准差），用所给的均值和标准差初始化均匀分布

• tf.truncated_normal_initializer(mean,stddev,seed,dtype) # 将变量初始化为满足正太分布的随机值，但如果随机出来的值偏离平均值超过2个标准差，那么这个数将会被重新随机

  mean:用于指定均值；
  stddev用于指定标准差；
  seed:用于指定随机数种子；
  dtype：用于指定随机数的数据类型。
  通常只需要设定一个标准差stddev这一个参数就可以。
  

• tf.random_uniform_initializer(a,b,seed,dtype) #从a到b均匀初始化，将变量初始化为满足平均分布的随机值，主要参数（最大值，最小值

• tf.uniform_unit_scaling_initializer(factor,seed,dtypr) #将变量初始化为满足平均分布 但不影响输出数量级的随机值

• tf.zeros_initializer() # 将变量设置为全0；也可以简写为tf.Zeros()

• tf.ones_initializer() # 将变量设置为全1；可简写为tf.Ones()