tf.compat.v2.keras.initializers.Constant

Инициализатор, генерирующий тензоры с постоянными значениями.

Наследуется от: Initializer

tf.compat.v2.keras.initializers.Constant(
    value=0
)

Полученный тензор заполняется значениями типа dtype, как указано в аргументах value в соответствии с желаемой shape нового тензора (см. примеры ниже).

Аргумент value может быть константным значением или списком значений типа dtype. Если value является списком, то длина списка должна быть меньше или равна количеству элементов, подразумеваемому желаемой формой тензора. В случае, когда общее количество элементов в value меньше, чем количество элементов, требуемое формой тензора, последнее значение в value будет использоваться для заполнения оставшихся элементов. Если общее количество элементов в value больше, чем количество элементов, требуемое формой тензора, инициализатор выведет ValueError.

Примеры:

Следующий пример можно переписать, используя numpy.ndarray вместо value списка, даже с изменением формы, как показано в двух закомментированных строках ниже инициализации value списка.

import numpy as np
import tensorflow as tf

  

value = [0, 1, 2, 3, 4, 5, 6, 7]

value = np.array(value)

value = value.reshape([2, 4])

init = tf.compat.v1.constant_initializer(value)

<pre class="devsite-click-to-copy prettyprint lang-py">
  <code class="devsite-terminal" data-terminal-prefix="&gt;&gt;&gt;">print(&#x27;fitting shape:&#x27;)</code>
  <code class="devsite-terminal" data-terminal-prefix="&gt;&gt;&gt;">with tf.compat.v1.Session():</code>
  <code class="devsite-terminal" data-terminal-prefix="&gt;&gt;&gt;">  x = tf.compat.v1.get_variable(&#x27;x&#x27;, shape=[2, 4], initializer=init)</code>
  <code class="devsite-terminal" data-terminal-prefix="&gt;&gt;&gt;">  x.initializer.run()</code>
  <code class="devsite-terminal" data-terminal-prefix="&gt;&gt;&gt;">  print(x.eval())</code>
  <code class="no-select nocode">  </code>
</pre>


  fitting shape:
  [[ 0.  1.  2.  3.]
   [ 4.  5.  6.  7.]]

<pre class="devsite-click-to-copy prettyprint lang-py">
  <code class="devsite-terminal" data-terminal-prefix="&gt;&gt;&gt;">print(&#x27;larger shape:&#x27;)</code>
  <code class="devsite-terminal" data-terminal-prefix="&gt;&gt;&gt;">with tf.compat.v1.Session():</code>
  <code class="devsite-terminal" data-terminal-prefix="&gt;&gt;&gt;">  x = tf.compat.v1.get_variable(&#x27;x&#x27;, shape=[3, 4], initializer=init)</code>
  <code class="devsite-terminal" data-terminal-prefix="&gt;&gt;&gt;">  x.initializer.run()</code>
  <code class="devsite-terminal" data-terminal-prefix="&gt;&gt;&gt;">  print(x.eval())</code>
  <code class="no-select nocode">  </code>
</pre>


  larger shape:
  [[ 0.  1.  2.  3.]
   [ 4.  5.  6.  7.]
   [ 7.  7.  7.  7.]]

<pre class="devsite-click-to-copy prettyprint lang-py">
  <code class="devsite-terminal" data-terminal-prefix="&gt;&gt;&gt;">print(&#x27;smaller shape:&#x27;)</code>
  <code class="devsite-terminal" data-terminal-prefix="&gt;&gt;&gt;">with tf.compat.v1.Session():</code>
  <code class="devsite-terminal" data-terminal-prefix="&gt;&gt;&gt;">  x = tf.compat.v1.get_variable(&#x27;x&#x27;, shape=[2, 3], initializer=init)</code>
  <code class="no-select nocode">  </code>
</pre>


  ValueError: Too many elements provided. Needed at most 6, but received 8

Методы

from_config

Просмотреть исходный код

@classmethod
from_config(
    config
)

Инициализирует инициализатор из словаря 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 формате JSON словаря.

__call__

Просмотреть исходный код

__call__(
    shape, dtype=None
)

Возвращает объект тензора, инициализированный в соответствии с заданным инициализатором.