tf.keras.Initializer

Базовый класс инициализаторов: все инициализаторы Keras наследуют от этого класса.

Инициализаторы должны реализовывать метод __call__() со следующим сигнатурой:

def __call__(self, shape, dtype=None, **kwargs):
    # returns a tensor of shape `shape` and dtype `dtype`
    # containing values drawn from a distribution of your choice.

Необязательно, вы также можете реализовать метод get_config() и метод класса from_config для поддержки сериализации — точно так же, как и с любым объектом Keras.

Вот простой пример: инициализатор случайного нормального распределения.

class ExampleRandomNormal(Initializer):
    def __init__(self, mean, stddev):
        self.mean = mean
        self.stddev = stddev

    def __call__(self, shape, dtype=None, **kwargs):
        return keras.random.normal(
            shape, mean=self.mean, stddev=self.stddev, dtype=dtype
        )

    def get_config(self):  # To support serialization
        return {"mean": self.mean, "stddev": self.stddev}

Обратите внимание, что нам не нужно реализовывать from_config() в примере выше, так как аргументы конструктора класса — это ключи в конфигурации, возвращаемой get_config(), те же самые. В этом случае, по умолчанию from_config() работает нормально.

Методы

clone

Просмотреть исходный код

clone()

from_config

Просмотреть исходный код

@classmethod
from_config(
    config
)

Инициализирует инициализатор по словарю конфигурации.

Пример:

initializer = RandomUniform(-1, 1)
config = initializer.get_config()
initializer = RandomUniform.from_config(config)

get_config

Просмотреть исходный код

get_config()

Возвращает конфигурацию инициализатора в виде сериализуемого в JSON словаря.

__call__

Просмотреть исходный код

__call__(
    shape, dtype=None
)

Возвращает тензор, инициализированный в соответствии с заданным инициализатором.