XavierInitializer

• class paddle.fluid.initializer.XavierInitializer(uniform=True, fan_in=None, fan_out=None, seed=0)[源代码]

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：

正态分布的情况下，均值为0，标准差为：

• 参数：
• • uniform (bool) - 是否用均匀分布，默认为True。如果为False，则使用正态分布。
  • fan_in (float) - 当前网络层的输入神经元个数。如果为None，则从变量中推断，默认为None。
  • fan_out (float) - 当前网络层的输出神经元个数。如果为None，则从变量中推断，默认为None。
  • 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：

import paddle.fluid as fluid
queries = fluid.layers.data(name='x', shape=[1], dtype='float32')
fc = fluid.layers.fc(
    input=queries, size=10,
    param_attr=fluid.initializer.Xavier(uniform=False))