LeCun

classe publique LeCun

Initialiseur normal LeCun.

Tire des échantillons à partir d’une distribution aléatoire. * *

Si la distribution est TRUNCATED_NORMAL, elle tire des échantillons d'une distribution normale tronquée centrée sur 0 avec stddev = sqrt(1 / fanIn) où fanIn est le nombre d'unités d'entrée dans le tenseur de poids.

Si la distribution est UNIFORME, elle extrait des échantillons d'une distribution uniforme dans [-limit, limit] , où limit = Math.sqrt(3 / fanIn) ( fanIn est le nombre d'unités d'entrée dans le tenseur de poids)

Exemples :

LeCun Normal :

      long seed = 1001l;
      LeCunNormal<TFloat32, TFloat32> initializer =
              new org.tensorflow.framework.initializers.LeCunNormal<>(tf,
               Distribution.TRUNCATED_NORMAL, seed);
      Operand<TFloat32> values =
              initializer.call(tf.constant(Shape.of(2,2)), TFloat32.class);
 

Uniforme LeCun :

      long seed = 1001l;
      LeCunNormal<TFloat32, TFloat32> initializer =
              new org.tensorflow.framework.initializers.LeCunNormal<>(tf,
               Distribution.UNIFORM, seed);
      Operand<TFloat32> values =
              initializer.call(tf.constant(Shape.of(2,2)), TFloat32.class);
 

*

NOTE: *

Pour un initialiseur équivalent LeCunNormal, utilisez TRUNCATED_NORMAL pour le paramètre de distribution. *

Pour un initialiseur équivalent à LeCunUniform, utilisez UNIFORM * pour le paramètre de distribution. *

Voir aussi

• ERROR(href="https://papers.nips.cc/paper/6698-self-normalizing-neural-networks">Self-Normalizing Neural Networks, Klambauer et al., 2017 / Self-Normalizing Neural Networks, Klambauer et al., 2017 )
• Backprop efficace, Lecun et al., 1998
• VarianceScaling.Distribution

Constantes héritées

De la classe org.tensorflow.framework.initializers.VarianceScaling

double

SCALE_DEFAULT

Champs hérités

De la classe org.tensorflow.framework.initializers.VarianceScaling

public statique final VarianceScaling.Distribution	DISTRIBUTION_DEFAULT
public statique final VarianceScaling.Mode	MODE_DEFAULT

Constructeurs Publics

LeCun (Ops tf, VarianceScaling.Distribution distribution, graine longue) Crée un initialiseur LeCunNormal

Méthodes héritées

De la classe org.tensorflow.framework.initializers.VarianceScaling

Opérande <T>

appel ( Opérande < TInt64 > dims, type Class<T>)

De la classe org.tensorflow.framework.initializers.BaseInitializer

Opérations

obtenirTF () Obtient les opérations TensorFlow

De la classe java.lang.Object

booléen	est égal à (Objet arg0)
Classe finale<?>	obtenirClasse ()
int	Code de hachage ()
vide final	notifier ()
vide final	notifierTous ()
Chaîne	àChaîne ()
vide final	attendre (long arg0, int arg1)
vide final	attendez (long arg0)
vide final	attendez ()

Depuis l'interface org.tensorflow.framework.initializers.Initializer

Opérande abstrait <T>

appel ( Opérande < TInt64 > dims, type Class<T>) Génère l'opération utilisée pour effectuer l'initialisation.

Constructeurs Publics

public LeCun (Ops tf, VarianceScaling.Distribution distribution, graine longue)

Crée un initialiseur LeCunNormal

Paramètres

tf	les opérations TensorFlow
distribution	Le type de distribution pour l'initialiseur Glorot.
graine	la graine pour la génération de nombres aléatoires. Un initialiseur créé avec une graine donnée produira toujours le même tenseur aléatoire pour une forme et un type donnés.