xavier_initializer(uniform=True, seed=None, dtype=tf.float32) 和 glorot_uniform_initializer(seed=None, dtype=tf.float32) 引用相同人 Xavier Glorot。为什么不将它们合并为一个功能？
xavier_initializer 在 tf.contrib.layers 中。 tf 中的 glorot_uniform_initializer。 contrib 的命名空间最终是否会消失，contrib 中的内容将被移动到 tf 的命名空间？
最佳答案
是的，tf.contrib.layers.xavier_initializer 和 tf.glorot_uniform_initializer 都实现了本 JMLR paper: Understanding the difficulty of training deep feedforward neural networks 中描述的相同概念，可以在代码中看到:
fan_in、fan_out、mode = FAN_AVG 和 uniform = True 的典型值，两种实现来自标准均匀分布的样本值超过限制[-sqrt(3), sqrt(3))
因为 tf.initializer支持各种初始化策略，它很可能会保留下来，而只有 xavier_initialization 的 contrib 的初始化很可能在未来的版本中被弃用。
所以，是的，很有可能在未来的版本中 tf.contrib.layers.xavier_initialier 初始化方式可能会消失。
关于python - 为什么 `xavier_initializer()`和 `glorot_uniform_initializer()`在某种程度上是重复的？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/47986662/