在 tensorflow 中,我从教程中了解到可以用类似的东西初始化变量
sess.run(tf.global_variables_initializer())
但是我发现每次使用相同的输入数据集运行它时,损失值都以相同的值开始。
我认为这是因为初始化总是设置具有相同值的变量。 (可能为零)
我希望随机化权重的值。我已经尝试过搜索这个,但是如果初始化是在默认情况下使用零值或随机值完成的,tensorflow 文档并没有给出明确的答案。
如何指定初始化以设置随机值?
更新
我的网络首先是一堆 CNN 和池化层,如下所示:
``
conv1 = tf.layers.conv2d(inputs=input_layer, filters=32, kernel_size=[3,3], padding="same", activation=tf.nn.relu, name="conv_chad_1")
pool1 = tf.layers.max_pooling2d(inputs=conv1,pool_size=[2,2],strides=2)
conv2 = tf.layers.conv2d(inputs=pool1, filters=64, kernel_size=[3,3], padding="same", activation=tf.nn.relu, name="conv_chad_2")
pool2 = tf.layers.max_pooling2d(inputs=conv2,pool_size=[2,2],strides=2, name="pool_chad_2")
``
AFAIK,权重是在这些预定义层内定义的。如何指定这些层来随机初始化它们的权重变量?
最佳答案
您应该提供更多信息。例如,您如何初始化图中的变量?为了在神经网络中初始化您的权重,您必须随机初始化它们(偏差可以全部初始化为零)。因此,您必须使用如下代码来定义它们并进行适当的初始化:
# initialize weights randomly from a Gaussian distribution
# step 1: create the initializer for weights
weight_initer = tf.truncated_normal_initializer(mean=0.0, stddev=0.01)
# step 2: create the weight variable with proper initialization
W = tf.get_variable(name="Weight", dtype=tf.float32, shape=[784, 200], initializer=weight_initer)
# initialize biases as zero
# step 1: create the initializer for biases
bias_initer =tf.constant(0., shape=[200], dtype=tf.float32)
# step 2: create the bias variable with proper initialization
b = tf.get_variable(name="Bias", dtype=tf.float32, initializer=bias_initer)
关于tensorflow - 如何在 tensorflow 中随机初始化权重?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/50383462/