Tensorflow.js tf.initializers.glorotNormal()函数

Tensorflow.js是谷歌开发的一个开源库，用于在浏览器或节点环境中运行机器学习模型和深度学习神经网络。它还可以帮助开发人员用 JavaScript 语言开发 ML 模型，并且可以直接在浏览器或 Node.js 中使用 ML。

tf.initializers.glorotNormal()函数从截断正态分布中提取样本，该正态分布以 0 为中心， stddev = sqrt(2 / (fan_in + fan_out)) 。请注意， fan_in是张量权重中的输入数量，而fan_out是张量权重中的输出数量。

句法：

tf.initializers.glorotNormal(arguments)

参数：

arguments：它是一个包含种子（一个数字）的对象，它是随机数生成器的种子/数字。

返回值：返回tf.initializers.Initializer。

示例 1：

Javascript

// Importing the tensorflow.js library
import * as tf from "@tensorflow/tfjs"
 
// Initializing the .initializers.glorotNormal() function
console.log(tf.initializers.glorotNormal(9));
 
// Printing Individual gainvalues
console.log('\nIndividual values:\n');
console.log(tf.initializers.glorotNormal(9).scale);
console.log(tf.initializers.glorotNormal(9).mode);
console.log(tf.initializers.glorotNormal(9).distribution);

Javascript

// Importing the tensorflow.Js library
import * as tf from "@tensorflow/tfjs
 
// Defining the input value
const inputValue = tf.input({ shape: [4] });
 
// Initializing tf.initializers.glorotNormal() function
const funcValue = tf.initializers.glorotNormal(9)
 
// Creating dense layer 1
const dense_layer_1 = tf.layers.dense({
    units: 11,
    activation: 'relu',
    kernelInitialize: funcValue
});
 
// Creating dense layer 2
const dense_layer_2 = tf.layers.dense({
    units: 7,
    activation: 'softmax'
});
 
// Output
const outputValue = dense_layer_2.apply(
    dense_layer_1.apply(inputValue)
);
 
// Creation the model.
const model = tf.model({
    inputs: inputValue,
    outputs: outputValue
});
 
// Predicting the output.
model.predict(tf.ones([2, 4])).print();

输出：

{
    "scale": 1,
    "mode": "fanAvg",
    "distribution": "normal"
}

Individual values:

1
fanAvg
normal

示例 2：

Javascript

// Importing the tensorflow.Js library
import * as tf from "@tensorflow/tfjs
 
// Defining the input value
const inputValue = tf.input({ shape: [4] });
 
// Initializing tf.initializers.glorotNormal() function
const funcValue = tf.initializers.glorotNormal(9)
 
// Creating dense layer 1
const dense_layer_1 = tf.layers.dense({
    units: 11,
    activation: 'relu',
    kernelInitialize: funcValue
});
 
// Creating dense layer 2
const dense_layer_2 = tf.layers.dense({
    units: 7,
    activation: 'softmax'
});
 
// Output
const outputValue = dense_layer_2.apply(
    dense_layer_1.apply(inputValue)
);
 
// Creation the model.
const model = tf.model({
    inputs: inputValue,
    outputs: outputValue
});
 
// Predicting the output.
model.predict(tf.ones([2, 4])).print();

输出：

Tensor
    [[0.1004296, 0.1564845, 0.1716817, 0.1526613, 
            0.1739253, 0.1059624, 0.1388552],
     [0.1004296, 0.1564845, 0.1716817, 0.1526613, 
            0.1739253, 0.1059624, 0.1388552]]

参考： https://js.tensorflow.org/api/latest/#initializers.glorotNormal