Tensorflow.js tf.initializers.randomUniform()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.randomUniform()函数生成初始化为均匀分布的随机值。这些值在配置的最小值和最大值之间均匀分布。

句法：

tf.initializers.randomUniform(arguments)

参数：

• arguments：它是一个包含下面列出的 3 个键值的对象：
  1. 平均值：它是要生成的随机值的平均值。
  2. stddev：它是要生成的随机值的标准偏差。
  3. 种子：它 是随机数生成器种子。

返回值：它返回tf.initializers.Initializer

示例 1：

Javascript

// Importing the tensorflow.js library
import * as tf from "@tensorflow/tfjs"
 
// Initializing the .initializers.randomUniform() function
let geek = tf.initializers.randomUniform(5)
 
// Printing gain value
console.log(geek);
 
// Printing individual gain value.
console.log('\nIndividual values:\n');
console.log(geek.DEFAULT_MINVAL);
console.log(geek.DEFAULT_MAXVAL);
console.log(geek.minval);
console.log(geek.maxval);

输出：

{
  "DEFAULT_MINVAL": -0.05,
  "DEFAULT_MAXVAL": 0.05,
  "minval": -0.05,
  "maxval": 0.05
}

Individual values:

-0.05
0.05
-0.05
0.05

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.randomUniform() function.
const funcValue = tf.initializers.randomUniform(8)
 
// Creating dense layer 1
const dense_layer_1 = tf.layers.dense({
    units: 5,
    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
    [[0.1145501, 0.133405, 0.0640167, 0.2349582, 
     0.1064994, 0.0799759, 0.2665946],
     [0.1145501, 0.133405, 0.0640167, 0.2349582, 
      0.1064994, 0.0799759, 0.2665946]]

参考： https ://js.tensorflow.org/api/3.6.0/#initializers.randomUniform