fluid.initializer

SourceEnglish

Bilinear

SourceEnglish

paddle.fluid.initializer.Bilinear

BilinearInitializer 的别名





## BilinearInitializer


SourceEnglish

class paddle.fluid.initializer.BilinearInitializer

该初始化函数用于转置卷积函数，进行上采样。用户通过任意整型因子放大shape为(B，C，H，W)的特征图。用法如下：

代码示例:




  1. factor = 2
    wattr = ParamAttr(learning_rate=0., regularizer=L2Decay(0.),
                   initializer=Bilinear())
    conv_up = fluid.layers.conv2d_transpose(
        input,
        num_filters=C,
        output_size=None,
        filter_size=2  factor - factor % 2,
        padding=ceil((factor - 1) / 2.),
        stride=factor,
        groups=C,
        param_attr=w_attr,
        bias_attr=False)




num_filters = C和groups = C 表示这是按通道转置的卷积函数。滤波器shape为(C,1,K,K)，K为filter_size。该初始化函数为滤波器的每个通道设置(K,K)插值核。输出特征图的最终输出shape为(B,C,factorH,factor*W)。注意学习率和权重衰减设为0，以便在训练过程中双线性插值的系数值保持不变





## Constant


SourceEnglish

paddle.fluid.initializer.Constant

ConstantInitializer 的别名





## ConstantInitializer


SourceEnglish

_class paddle.fluid.initializer.ConstantInitializer(value=0.0, force_cpu=False)

常量初始器
参数：

- value (float) - 用常量初始化变量

代码示例




  1. fc = fluid.layers.fc(input=x, size=10,
        paramattr=fluid.initializer.Constant(value=2.0))








## force_init_on_cpu


SourceEnglish

paddle.fluid.initializer.force_init_on_cpu()

标志位，是否强制在CPU上进行变量初始化。

返回：状态，是否应强制在CPU上强制进行变量初始化

返回类型：bool

代码示例：




  1. if force_init_on_cpu():
        create_op('force_cpu': force_init_on_cpu())








## init_on_cpu


SourceEnglish

paddle.fluid.initializer.init_on_cpu(args, kwds_)

强制变量在 cpu 上初始化。 代码示例




  1. with initon_cpu():
            step = layers.create_global_var()








## MSRA


SourceEnglish

paddle.fluid.initializer.MSRA

MSRAInitializer 的别名





## MSRAInitializer


SourceEnglish

_class paddle.fluid.initializer.MSRAInitializer(uniform=True, fan_in=None, seed=0)

实现MSRA初始化（a.k.a. Kaiming初始化）

该类实现权重初始化方法，方法来自Kaiming He，Xiangyu Zhang，Shaoqing Ren 和 Jian Sun所写的论文: Delving Deep into Rectifiers: Surpassing Human-Level Performance on ImageNet Classification 。这是一个鲁棒性特别强的初始化方法，并且适应了非线性激活函数（rectifier nonlinearities）。

在均匀分布中，范围为[-x,x]，其中：

[x = \sqrt{\frac{6.0}{fan_in}}]

在正态分布中，均值为0，标准差为：

[\sqrt{\frac{2.0}{fan_in}}]
参数：

- uniform (bool) - 是否用均匀分布或正态分布
- fan_in (float) - MSRAInitializer的fan_in。如果为None，fan_in沿伸自变量
- seed* (int) - 随机种子

注解

在大多数情况下推荐设置fan_in为None

代码示例：

  1. fc = fluid.layers.fc(
  2.     input=queries, size=10,
  3.     param_attr=fluid.initializer.MSRA(uniform=False))

Normal

SourceEnglish

paddle.fluid.initializer.Normal

NormalInitializer 的别名





## NormalInitializer


SourceEnglish

class paddle.fluid.initializer.NormalInitializer(loc=0.0, scale=1.0, seed=0)

随机正态（高斯）分布初始化器
参数：

- loc （float） - 正态分布的平均值
- scale （float） - 正态分布的标准差
- seed （int） - 随机种子

代码示例




  1. fc = fluid.layers.fc(input=x, size=10,
        paramattr=fluid.initializer.Normal(loc=0.0, scale=2.0)








## NumpyArrayInitializer


SourceEnglish

_class paddle.fluid.initializer.NumpyArrayInitializer(value)

使用Numpy型数组来初始化参数变量。
参数：

- value （numpy） - 用于初始化变量的一个Numpy型数组。

代码示例




  1. fc = fluid.layers.fc(input=x, size=10,
        paramattr=fluid.initializer.NumpyArrayInitializer(numpy.array([1,2])))








## TruncatedNormal


SourceEnglish

paddle.fluid.initializer.TruncatedNormal

TruncatedNormalInitializer 的别名





## TruncatedNormalInitializer


SourceEnglish

_class paddle.fluid.initializer.TruncatedNormalInitializer(loc=0.0, scale=1.0, seed=0)

Random Truncated Normal（高斯）分布初始化器
参数：

- loc （float） - 正态分布的平均值
- scale （float） - 正态分布的标准差
- seed （int） - 随机种子

代码示例




  1. fc = fluid.layers.fc(input=x, size=10,
        paramattr=fluid.initializer.TruncatedNormal(loc=0.0, scale=2.0))








## Uniform


SourceEnglish

paddle.fluid.initializer.Uniform

UniformInitializer 的别名





## UniformInitializer


SourceEnglish

_class paddle.fluid.initializer.UniformInitializer(low=-1.0, high=1.0, seed=0)

随机均匀分布初始化器
参数：

- low (float) - 下界
- high (float) - 上界
- seed (int) - 随机种子

代码示例




  1. fc = fluid.layers.fc(input=x, size=10,
         paramattr=fluid.initializer.Uniform(low=-0.5, high=0.5))








## Xavier


SourceEnglish

paddle.fluid.initializer.Xavier

XavierInitializer 的别名





## XavierInitializer


SourceEnglish

_class paddle.fluid.initializer.XavierInitializer(uniform=True, fan_in=None, fan_out=None, seed=0)

该类实现Xavier权重初始化方法（ Xavier weight initializer），Xavier权重初始化方法出自Xavier Glorot和Yoshua Bengio的论文 Understanding the difficulty of training deep feedforward neural networks

该初始化函数用于保持所有层的梯度尺度几乎一致。

在均匀分布的情况下，取值范围为[-x,x]，其中：

[x = \sqrt{\frac{6.0}{fan_in+fan_out}}]

正态分布的情况下，均值为0，标准差为：

[x = \sqrt{\frac{2.0}{fan_in+fan_out}}]
参数：

- uniform (bool) - 是否用均匀分布或者正态分布
- fan_in (float) - 用于Xavier初始化的fan_in。如果为None，fan_in沿伸自变量
- fan_out (float) - 用于Xavier初始化的fan_out。如果为None，fan_out沿伸自变量
- seed (int) - 随机种子

注解

在大多数情况下推荐将fan_in和fan_out设置为None

代码示例：

  1. fc = fluid.layers.fc(
  2.     input=queries, size=10,
  3.     param_attr=fluid.initializer.Xavier(uniform=False))

原文: http://paddlepaddle.org/documentation/docs/zh/1.3/api_cn/initializer_cn.html