tf.compat.v1.keras.initializers.RandomUniform

Инициализатор, генерирующий тензоры с равномерным распределением.

Наследуется от: random_uniform_initializer

Просмотр псевдонимов

Псевдонимы для миграции

См. Руководство по миграции для получения более подробной информации.

tf.compat.v1.keras.initializers.random_uniform, tf.compat.v1.keras.initializers.uniform

tf.compat.v1.keras.initializers.RandomUniform(
    minval=-0.05,
    maxval=0.05,
    seed=None,
    dtype=tf.dtypes.float32
)

Миграция на TF2

Несмотря на то, что это устаревший compat.v1 API, tf.compat.v1.keras.initializers.RandomUniform совместим с исполнением в режиме eager и tf.function.

Чтобы перейти к чистому TF2, переключитесь на использование tf.keras.initializers.RandomUniform (не из compat.v1), и если вам нужно изменить тип данных по умолчанию, используйте tf.keras.backend.set_floatx(float_dtype) или передайте тип данных при вызове инициализатора, а не при создании инициализатора.

Поведение случайного зерна:

Также обратите внимание, что если вы передадите зерно API инициализатора TF2, оно будет повторно использовать это же зерно для каждой инициализации (в отличие от инициализатора TF1).

Структурное отображение на чистый TF2

До:

initializer = tf.compat.v1.keras.initializers.RandomUniform(
  minval=minval,
  maxval=maxval,
  seed=seed,
  dtype=dtype)

weight_one = tf.Variable(initializer(shape_one))
weight_two = tf.Variable(initializer(shape_two))

После:

initializer = tf.keras.initializers.RandomUniform(
  minval=minval,
  maxval=maxval,
  # seed=seed,  # Setting a seed in the native TF2 API
                # causes it to produce the same initializations
                # across multiple calls of the same initializer.
  )

weight_one = tf.Variable(initializer(shape_one, dtype=dtype))
weight_two = tf.Variable(initializer(shape_two, dtype=dtype))

Как сопоставить аргументы

Имя аргумента TF1	Имя аргумента TF2	Примечание
`minval`	`minval`	Без изменений по умолчанию
`maxval`	`maxval`	Без изменений по умолчанию
`seed`	`seed`	Разные семантики генерации случайных чисел (для изменения в будущей версии). Если задано, версия TF2 будет использовать бессостоятельную генерацию случайных чисел, которая будет создавать точно такую же инициализацию даже при многократных вызовах экземпляра инициализатора. версия `compat.v1` будет генерировать новые инициализации каждый раз. Не устанавливайте зерно, если вам нужны разные инициализации каждый раз. Вместо этого установите глобальное зерно tf с помощью `tf.random.set_seed`, если вам нужна детерминированность, или инициализируйте каждый вес с помощью отдельного экземпляра инициализатора и другого зерна.
`dtype`	`dtype`	Чистый API TF2 принимает его только как `__call__` аргумент, а не аргумент конструктора.
`partition_info`	-	(`__call__` аргумент в TF1) Не поддерживается

Пример различий в поведении фиксированного зерна

compat.v1 Поведение фиксированного зерна:

initializer = tf.compat.v1.keras.initializers.RandomUniform(seed=10)
a = initializer(shape=(2, 2))
b = initializer(shape=(2, 2))
tf.reduce_sum(a - b) == 0
<tf.Tensor: shape=(), dtype=bool, numpy=False>

После:

initializer = tf.keras.initializers.RandomUniform(seed=10)
a = initializer(shape=(2, 2))
b = initializer(shape=(2, 2))
tf.reduce_sum(a - b) == 0
<tf.Tensor: shape=(), dtype=bool, numpy=False>

Описание

Аргументы
`minval`	Python-скаляр или скалярный тензор. Нижняя граница диапазона случайных значений для генерации.
`maxval`	Python-скаляр или скалярный тензор. Верхняя граница диапазона случайных значений для генерации. По умолчанию равно 1 для типов с плавающей точкой.
`seed`	Целое число Python. Используется для создания случайных семян. См. `tf.compat.v1.set_random_seed` для получения информации о поведении.
`dtype`	Тип данных по умолчанию, используется, если аргумент `dtype` не передан при вызове инициализатора.

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)

Аргументы
`config`	Python-словарь. Обычно это выход `get_config`.

Возвращает
Экземпляр инициализатора.

`get_config`

Просмотреть исходный код

get_config()

Возвращает конфигурацию инициализатора в виде сериализуемого в формате JSON словаря.

Возвращает
Сериализуемый в формате JSON Python-словарь.

`call`

Просмотреть исходный код

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

Возвращает объект тензора, инициализированный в соответствии с инициализатором.

Аргументы
`shape`	Форма тензора.
`dtype`	Необязательный тип данных тензора. Если не задан, используется тип данных инициализатора.
`partition_info`	Необязательная информация о возможном разбиении тензора.

© 2022 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 4.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/versions/r2.9/api_docs/python/tf/compat/v1/keras/initializers/RandomUniform