tensorflow 提供了7種不同的初始化函式：
tf.constant_initializer(value) #將變數初始化為給定的常量,初始化一切所提供的值。
假設在卷積層中，設定偏執項b為0，則寫法為:
1. bias_initializer=tf.constant_initializer(0)
2. bias_initializer=tf.zeros_initializer(0)
tf.random_normal_initializer(mean,stddev) #功能是將變數初始化為滿足正太分布的隨機值，主要引數（正太分布的均值和標準差），用所給的均值和標準差初始化均勻分布
tf.truncated_normal_initializer(mean,stddev,seed,dtype) #功能：將變數初始化為滿足正太分布的隨機值，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：用於指定隨機數的資料型別。
通常只需要設定乙個標準差stddev這乙個引數就可以。
tf.random_uniform_initializer(a,b,seed,dtype) #從a到b均勻初始化，將變數初始化為滿足平均分布的隨機值，主要引數（最大值，最小值）
tf.uniform_unit_scaling_initializer(factor,seed,dtypr) #將變數初始化為滿足平均分布但不影響輸出數量級的隨機值
max_val=math.sqrt(3/input_size)*factor;
input_size指輸入資料的維數，假設輸入為x,計算為x*w,則input_size=w.shape[0].
其分布區間為[-max_val,max_val]
tf.zeros_initializer() #將變數設定為全0；也可以簡寫為tf.zeros()
tf.ones_initializer() #將變數設定為全1；可簡寫為tf.ones()
tensorflow中的函式
執行當前tensor的run 操作 a tf.variable tf.ones 10 with tf.session as sess tf.global variables initializer run b sess.run a 1 b a eval 2 print b 中的 1 2 行的功能一樣...
tensorflow中的優化函式
gradientdescentoptimizer adagradoptimizer adagraddaoptimizer momentumoptimizer adamoptimizer ftrloptimizer rmspropoptimizer 主要有以上幾種 用法 tf.gradientdesc...
tensorflow 學習中的函式
第一部分來自官方minist資料集的例子 簡單的函式操作能抽象化我們的 和思維 在計算loss的時候，最常見的一句話就是tf.nn.softmax cross entropy with logits，那麼它到底是怎麼做的呢？首先明確一點，loss是代價值，也就是我們要最小化的值 除去name引數用以...