此页面由 Cloud Translation API 翻译。
Switch to English

tf.compat.v1.keras.initializers.Constant

GitHub上查看源代码

初始化器,其生成具有恒定值张量。

将得到的张量被填充有类型的值dtype ,如由参数指定value以下所需的shape的新的张量(见下文实施例)。

的参数value可以是恒定值,或类型的值的列表dtype 。如果value是一个列表,则列表的长度必须小于或等于由张量的所希望的形状暗示元素的数量。在其中在元素的总数量的情况下value小于由张量形状所需元件的数目,在最后一个元素value将被用于填充剩余的条目。如果在元素的总数value比由张量形状所需元件的数量越大,将初始化养ValueError

value 一个Python标量,列表或值的元组,或者一个N维阵列numpy的。初始化变量的所有元件将被设置为在相应的值value的参数。
dtype 默认的数据类型,如果没有使用dtype调用初始化时提供的参数。
verify_shape 布尔值,使形状的验证value 。如果True ,如果形状的初始化将抛出一个错误value不符合初始化张量的形状兼容。

TypeError 如果输入的value不是预期的类型之一。

例子:

下面的例子可使用numpy.ndarray代替被重写value列表中,即使改变形状,如示于下面的两个注释行value列表初始化。

value = [0, 1, 2, 3, 4, 5, 6, 7]
init = tf.compat.v1.constant_initializer(value)
# fitting shape
with tf.compat.v1.Session():
  x = tf.compat.v1.get_variable('x', shape=[2, 4], initializer=init)
  x.initializer.run()
  print(x.eval())
[[0. 1. 2. 3.]
 [4. 5. 6. 7.]]
# Larger shape
with tf.compat.v1.Session():
  y = tf.compat.v1.get_variable('y', shape=[3, 4], initializer=init)
  y.initializer.run()
  print(y.eval())
[[0.  1.  2.  3.]
 [4.  5.  6.  7.]
 [7.  7.  7.  7.]]
# Smaller shape
with tf.compat.v1.Session():
  z = tf.compat.v1.get_variable('z', shape=[2, 3], initializer=init)
Traceback (most recent call last):

ValueError: Too many elements provided. Needed at most 6, but received 8
# Shape verification
init_verify = tf.compat.v1.constant_initializer(value, verify_shape=True)
with tf.compat.v1.Session():
 u = tf.compat.v1.get_variable('u', shape=[3, 4],
                               initializer=init_verify)
Traceback (most recent call last):

TypeError: Expected Tensor's shape: (3, 4), got (8,).

方法

from_config

查看源代码

实例从配置字典的初始化。

例:

 initializer = RandomUniform(-1, 1)
config = initializer.get_config()
initializer = RandomUniform.from_config(config)
 

ARGS
config Python字典。它通常会输出get_config

返回
一个初始化实例。

get_config

查看源代码

返回初始化为JSON序列化字典的配置。

返回
一个JSON序列化的Python字典。

__call__

查看源代码

返回由初始值设定项初始化的张量对象。

ARGS
shape 塑造张量。
dtype 张量的可选D型。如果未提供使用初始化D型。
partition_info 关于张量的可能的分区的可选信息。