tf.initializers.constant

Инициализатор, генерирующий тензоры с постоянными значениями.

Унаследован от: Initializer

tf.initializers.constant(
    value=0, dtype=tf.dtypes.float32, verify_shape=False
)

Полученный тензор заполняется значениями типа dtype, как указано в аргументах value в соответствии с требуемой 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 числу элементов, задаваемому требуемой формой тензора. В случае, когда общее число элементов в value меньше числа элементов, требуемых формой тензора, последнее значение в value будет использоваться для заполнения оставшихся записей. Если общее число элементов в value больше, чем число элементов, требуемых формой тензора, инициализатор вызовет ValueError.

Примеры:

В следующем примере можно использовать numpy.ndarray вместо value списка, даже с изменением формы, как показано в двух комментариях 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

<pre class="devsite-click-to-copy prettyprint lang-py">
  <code class="devsite-terminal" data-terminal-prefix="&gt;&gt;&gt;">print(&#x27;shape verification:&#x27;)</code>
  <code class="devsite-terminal" data-terminal-prefix="&gt;&gt;&gt;">init_verify = tf.compat.v1.constant_initializer(value,</code>
  <code class="no-select nocode">  verify_shape=True)</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],</code>
  <code class="no-select nocode">  initializer=init_verify)</code>
  <code class="no-select nocode">  </code>
</pre>


  TypeError: Expected Tensor's shape: (3, 4), got (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 JSON словаря.

__call__

Просмотреть исходный код

__call__(
    shape, dtype=None, partition_info=None, verify_shape=None
)

Возвращает объект тензора, инициализированный как указано в инициализаторе.