jax.nn.initializers 模块

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

初始器

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

初始器是一个函数，它接受三个参数：(key, shape, dtype) 并返回一个具有维度 shape 和数据类型 dtype 的数组。参数 key 是一个 PRNG 密钥（例如来自 jax.random.key()），用于生成随机数来初始化数组。

constant(value[, dtype])	构建一个返回充满常量 value 的数组的初始器。
delta_orthogonal([scale, column_axis, dtype])	构建用于 delta 正交核的初始器。
glorot_normal([in_axis, out_axis, ...])	构建一个 Glorot 正态初始器（又名 Xavier 正态初始器）。
glorot_uniform([in_axis, out_axis, ...])	构建一个 Glorot 均匀初始器（又名 Xavier 均匀初始器）。
he_normal([in_axis, out_axis, batch_axis, dtype])	构建一个 He 正态初始化器（也称为 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（也称为 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])	构建一个初始化器，它返回实数正态分布的随机数组。
ones(key, shape[, dtype])	一个初始化器，它返回一个全为 1 的常数数组。
orthogonal([scale, column_axis, dtype])	构建一个初始化器，它返回均匀分布的正交矩阵。
truncated_normal([stddev, dtype, lower, upper])	构建一个初始化器，它返回截断正态随机数组。
uniform([scale, dtype])	构建一个初始化器，它返回实数均匀分布的随机数组。
variance_scaling(scale, mode, distribution)	初始化器，它根据权重张量的形状调整其比例。
zeros(key, shape[, dtype])	一个初始化器，它返回一个全为 0 的常数数组。