比较与tf.keras.initializers.TruncatedNormal 的功能差异

查看源文件

tf.keras.initializers.TruncatedNormal

tf.keras.initializers.TruncatedNormal(
    mean=0.0, stddev=0.05, seed=None, dtype=tf.dtypes.float32
)

更多内容详见tf.keras.initializers.TruncatedNormal

mindspore.common.initializer.TruncatedNormal

mindspore.common.initializer.TruncatedNormal(sigma=0.01)

更多内容详见mindspore.common.initializer.TruncatedNormal

使用方式

TensorFlow: 默认在均值为0.0,标准差为0.05的正态分布的基础上,限制变量与均值的差值在2倍标准差范围内,并重新生成分布。默认值:mean=0.0, stddev=0.05。

MindSpore:默认在均值为0.0,标准差为0.01的正态分布的基础上,限制变量与均值的差值在2倍标准差范围内,并重新生成分布。默认值:sigma=0.01。

代码示例

以下结果具有随机性。

import tensorflow as tf

init = tf.keras.initializers.TruncatedNormal()
x = init(shape=(1, 2))

with tf.Session() as sess:
    print(x.eval())

# out:
# [[-0.71518797 -0.6879003 ]]
import mindspore as ms
from mindspore.common.initializer import TruncatedNormal, initializer

x = initializer(TruncatedNormal(), shape=[1, 2], dtype=ms.float32)
print(x)

# out:
# [[0.01012452 0.00313655]]