jax.nn.initializers 模块#

常见的神经网络层初始化器，与 Keras 和 Sonnet 中使用的定义一致。

初始化器#

此模块提供常见的神经网络层初始化器，与 Keras 和 Sonnet 中使用的定义一致。

初始化器是一个接受三个参数的函数：(key, shape, dtype) 并返回一个维度为 shape 且数据类型为 dtype 的数组。参数 key 是一个 PRNG 键 (例如，来自 jax.random.key())，用于生成随机数来初始化数组。

constant(value[, dtype])

构建一个初始化器，返回充满常量 value 的数组。

delta_orthogonal([scale, column_axis, dtype])

为 delta 正交内核构建初始化器。

glorot_normal([in_axis, out_axis, ...])

构建一个 Glorot 正态初始化器（又名 Xavier 正态初始化器）。

glorot_uniform([in_axis, out_axis, ...])

构建一个 Glorot 均匀初始化器（又名 Xavier 均匀初始化器）。

he_normal([in_axis, out_axis, batch_axis, dtype])

构建一个 He 正态初始化器（又名 Kaiming 正态初始化器）。

he_uniform([in_axis, out_axis, batch_axis, ...])

构建一个 He 均匀初始化器（又名 Kaiming 均匀初始化器）。

lecun_normal([in_axis, out_axis, ...])

构建一个 Lecun 正态初始化器。

lecun_uniform([in_axis, out_axis, ...])

构建一个 Lecun 均匀初始化器。

normal([stddev, dtype])

构建一个返回服从正态分布的随机数组的初始化器。

ones(key, shape[, dtype])

一个返回充满 1 的常数数组的初始化器。

orthogonal([scale, column_axis, dtype])

构建一个返回均匀分布的正交矩阵的初始化器。

truncated_normal([stddev, dtype, lower, upper])

构建一个返回截断正态分布随机数组的初始化器。

uniform([scale, dtype])

构建一个返回服从均匀分布的实数随机数组的初始化器。

variance_scaling(scale, mode, distribution)

初始化器，使其尺度适应权重张量的形状。

zeros(key, shape[, dtype])

一个返回充满 0 的常数数组的初始化器。