jax.nn.initializers 模块

常见的神经网络层初始化器，与Keras和Sonnet中使用的定义一致。

初始化器

此模块提供常见的神经网络层初始化器，与Keras和Sonnet中使用的定义一致。

初始化器是一个接受三个参数的函数：(key, shape, dtype)，并返回一个维度为 shape 且数据类型为 dtype 的数组。参数 key 是一个 PRNG 键（例如来自 jax.random.key()），用于生成随机数以初始化数组。

constant(value[, dtype])	构建一个初始化器，返回充满常量 value 的数组。
delta_orthogonal([scale, column_axis, dtype])	构建一个delta正交核的初始化器。
glorot_normal([in_axis, out_axis, ...])	构建一个 Glorot 正态初始化器（又名 Xavier 正态初始化器）。
glorot_uniform([in_axis, out_axis, ...])	构建一个 Glorot 均匀初始化器（又名 Xavier 均匀初始化器）。
he_normal([in_axis, out_axis, batch_axis, dtype])	构建一个 He 正态初始化器（又名 Kaiming 正态初始化器）。
he_uniform([in_axis, out_axis, batch_axis, ...])	构建一个He均匀初始化器（又名Kaiming均匀初始化器）。
lecun_normal([in_axis, out_axis, ...])	构建一个 Lecun 正态初始化器。
lecun_uniform([in_axis, out_axis, ...])	构建一个 Lecun 均匀初始化器。
normal([stddev, dtype])	构建一个初始化器，返回正态分布的随机实数数组。
ones(key, shape[, dtype])	返回一个充满1的常量数组的初始化器。
orthogonal([scale, column_axis, dtype])	构建一个初始化器，返回均匀分布的正交矩阵。
truncated_normal([stddev, dtype, lower, upper])	构建一个初始化器，返回截断正态分布的随机数组。
uniform([scale, dtype])	构建一个初始化器，返回均匀分布的随机实数数组。
variance_scaling(scale, mode, distribution)	初始化器，根据权重张量的形状调整其尺度。
zeros(key, shape[, dtype])	一个返回充满零的常量数组的初始化器。