LeCun

clase pública LeCun

Inicializador normal de LeCun.

Extrae muestras de una distribución aleatoria. * *

Si la distribución es TRUNCATED_NORMAL, extrae muestras de una distribución normal truncada centrada en 0 con stddev = sqrt(1 / fanIn) donde fanIn es el número de unidades de entrada en el tensor de peso.

Si la distribución es UNIFORME, extrae muestras de una distribución uniforme dentro de [-limit, limit] , donde limit = Math.sqrt(3 / fanIn) ( fanIn es el número de unidades de entrada en el tensor de peso)

Ejemplos:

LeCunNormal:

      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);
 
*

NOTA: *

Para un inicializador equivalente a LeCunNormal, utilice TRUNCATED_NORMAL para el parámetro de distribución. *

Para un inicializador equivalente a LeCunUniform, utilice UNIFORM * para el parámetro de distribución. *

Constantes heredadas

Campos heredados

Constructores Públicos

LeCun (Ops tf, VarianceScaling.Distribución de distribución, semilla larga)
Crea un inicializador LeCunNormal

Métodos heredados

Constructores Públicos

public LeCun (Ops tf, VarianceScaling.Distribución de distribución, semilla larga)

Crea un inicializador LeCunNormal

Parámetros
tf las operaciones de TensorFlow
distribución El tipo de distribución para el inicializador Glorot.
semilla la semilla para la generación de números aleatorios. Un inicializador creado con una semilla determinada siempre producirá el mismo tensor aleatorio para una forma y un tipo determinados.