TensorFlow 入门 第一课--基本函数学习（1）： tf.get_variable 详解+CNN卷积层维数分析

tf.get_variable(name, shape=None, dtype=None, initializer=None, regularizer=None, 
trainable=True, collections=None, caching_device=None, partitioner=None, validate_shape=True, 
custom_getter=None)

参数注意：

• initializer可以有以下选项：

   tf.constant_initializer(value=0, dtype=tf.float32)

  tf.random_normal_initializer(mean=0.0, stddev=1.0, seed=None, dtype=tf.float32)

tf.truncated_normal_initializer(mean=0.0, stddev=1.0, seed=None, dtype=tf.float32)
tf.random_uniform_initializer(minval=0, maxval=None, seed=None, dtype=tf.float32)
tf.uniform_unit_scaling_initializer(factor=1.0, seed=None, dtype=tf.float32)
tf.zeros_initializer(shape, dtype=tf.float32, partition_info=None)
tf.ones_initializer(dtype=tf.float32, partition_info=None)
tf.orthogonal_initializer(gain=1.0, dtype=tf.float32, seed=None)

tf.contrib.layers.xavier_initializer(seed = 0)#这根据tf 的manual，是额外的部分，处在不稳定的或者试验阶段的代码 

这一算法--Xavier Initilization 在random(shape)的W权重矩阵的基础上乘上一个1/n^[l-1]

而相对应的还有一种算法，如果这一层的激活函数时relu ,那么使用He. Initilization也就是

在random(shape)的W权重矩阵的基础上乘上一个2/n^[l-1]

红色部分的知识来源于吴恩达的第二课，关于如何解决梯度爆炸和梯度消失的方法

• shape参数详解：

    如果，你实现的是Dnn那么W肯定是2维的，所以在这个shape参数就是第l层W的矩阵大小

    即,但如果是CNN，那么W的的维数可以由下面的推导得出：每个filter的大小为

    ，其中代表的是这个filter的通道数和前面一层的输出的通道数      保持一致，而，那么根据，

    的维数就是在当前l层个filter所构成的维数，即为

    那么在使用 tf.get_variable 时，里面的shape就由此决定

最后

以上就是糊涂马里奥为你收集整理的TensorFlow 入门 第一课--基本函数学习（1）： tf.get_variable 详解+CNN卷积层维数分析的全部内容，希望文章能够帮你解决TensorFlow 入门 第一课--基本函数学习（1）： tf.get_variable 详解+CNN卷积层维数分析所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。