MSRAInitializer

class paddle.fluid.initializer. MSRAInitializer ( uniform=True, fan_in=None, seed=0, negative_slope=0.0, nonlinearity='relu' ) [源代码]

该接口实现MSRA方式的权重初始化（a.k.a. Kaiming初始化）

该接口为权重初始化函数，方法来自Kaiming He，Xiangyu Zhang，Shaoqing Ren 和 Jian Sun所写的论文：Delving Deep into Rectifiers: Surpassing Human-Level Performance on ImageNet Classification 。这是一个鲁棒性特别强的初始化方法，并且适应了非线性激活函数（rectifier nonlinearities）。 可以选择使用均匀分布或者正态分布初始化权重； 在均匀分布中，范围为[-x,x]，其中：

\[x = gain \times \sqrt{\frac{3}{fan\_in}}\]

在正态分布中，均值为0，标准差为：

\[\frac{gain}{\sqrt{{fan\_in}}}\]

参数

  • uniform (bool，可选) - 为 True 表示使用均匀分布，为 False 表示使用正态分布。

  • fan_in (float16|float32，可选) - 可训练的 Tensor 的 in_features 值。如果设置为 None，程序会自动计算该值。如果你不想使用 in_features，你可以自己设置这个值。默认值为 None。

  • seed (int32，可选) - 随机种子。

  • negative_slope (float，可选) - 只适用于使用leaky_relu作为激活函数时的negative_slope参数。默认值为 \(0.0\)。

  • nonlinearity (str，可选) - 非线性激活函数。默认值为relu。

返回

对象

注解

在大多数情况下推荐设置 fan_in 为 None。

代码示例

import paddle
import paddle.fluid as fluid
paddle.enable_static()
x = fluid.data(name="data", shape=[8, 32, 32], dtype="float32")
fc = fluid.layers.fc(input=x, size=10,
    param_attr=fluid.initializer.MSRA(uniform=False))