如何在张量流中随机初始化权重？

Question

在 tensorflow 中，我从教程中了解到可以用类似的东西初始化变量 sess.run(tf.global_variables_initializer())

但是我发现每次使用相同的输入数据集运行它时，损失值都以相同的值开始。

我认为这是因为初始化总是设置具有相同值的变量。（可能为零）

我希望随机化权重的值。我已经尝试过搜索这个，但是如果初始化是在默认情况下使用零值或随机值完成的，tensorflow 文档并没有给出明确的答案。

如何指定初始化以设置随机值？

---

更新

我的网络首先是一堆 CNN 和池化层，如下所示：``` conv1 = tf.layers.conv2d(inputs=input_layer, filters=32, kernel_size=[3,3], padding="same", activation=tf .nn.relu, name="conv_chad_1")

    pool1 = tf.layers.max_pooling2d(inputs=conv1,pool_size=[2,2],strides=2)

    conv2 = tf.layers.conv2d(inputs=pool1, filters=64, kernel_size=[3,3], padding="same", activation=tf.nn.relu, name="conv_chad_2")

    pool2 = tf.layers.max_pooling2d(inputs=conv2,pool_size=[2,2],strides=2, name="pool_chad_2")

``

AFAIK，权重是在这些预定义层内定义的。如何指定这些层来随机初始化它们的权重变量？

Answer 1

您应该提供更多信息。例如，您如何初始化图中的变量？为了在神经网络中初始化您的权重，您必须随机初始化它们（偏差可以全部初始化为零）。因此，您必须使用如下代码来定义它们并进行适当的初始化：

# initialize weights randomly from a Gaussian distribution
# step 1: create the initializer for weights
weight_initer = tf.truncated_normal_initializer(mean=0.0, stddev=0.01)
# step 2: create the weight variable with proper initialization
W = tf.get_variable(name="Weight", dtype=tf.float32, shape=[784, 200], initializer=weight_initer)

# initialize biases as zero
# step 1: create the initializer for biases
bias_initer =tf.constant(0., shape=[200], dtype=tf.float32)
# step 2: create the bias variable with proper initialization
b = tf.get_variable(name="Bias", dtype=tf.float32, initializer=bias_initer)