在神經網絡訓練中，好的權重 初始化會加速訓練過程。下面說一下kernel_initializer 權重初始化的方法。
不同的層可能使用不同的關鍵字來傳遞初始化方法，一般來說指定初始化方法的關鍵字是kernel_initializer 和 bias_initializer

model.add(Dense(64, kernel_initializer=initializers.random_normal(stddev=0.01)))# also works; will use the default parameters. model.add(Dense(64, kernel_initializer='random_normal'))

幾種初始化方法

keras.initializers.Zeros()#全0 keras.initializers.Ones()#全1 keras.initializers.RandomNormal(mean=0.0, stddev=0.05, seed=None))#指定均值和方差的正態分布初始化 keras.initializers.RandomUniform(minval=-0.05, maxval=0.05, seed=None)#指定下邊界和上邊界的均勻分布初始化 keras.initializers.TruncatedNormal(mean=0.0, stddev=0.05, seed=None)#截尾高斯分布初始化，位于均值兩個標準差以外的數據將會被丟棄并重新生成，形成截尾分布

自定義初始化

def my_init(shape, dtype=None):return K.random_normal(shape, dtype=dtype)model.add(Dense(64, init=my_init))

總結

以上是生活随笔為你收集整理的keras之权重初始化的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。