Python Tensorflow:将手动构建层转换为tf.contrib.layers
我定义了以下四个层:Python Tensorflow:将手动构建层转换为tf.contrib.layers,python,tensorflow,Python,Tensorflow,我定义了以下四个层: layer_1 = tf.add( tf.matmul(input, tf.Variable(tf.random_normal([n_input, n_hidden_1])), tf.Variable(tf.random_normal([n_hidden_1])))) layer_2 = tf.nn.sigmoid(tf.add( tf.matmul(layer_1, tf.Variable(tf.random_normal([n_hidden_1,
layer_1 = tf.add(
tf.matmul(input, tf.Variable(tf.random_normal([n_input, n_hidden_1])),
tf.Variable(tf.random_normal([n_hidden_1]))))
layer_2 = tf.nn.sigmoid(tf.add(
tf.matmul(layer_1, tf.Variable(tf.random_normal([n_hidden_1, n_hidden_2])),
tf.Variable(tf.random_normal([n_hidden_2]))))
layer_3 = tf.nn.sigmoid(tf.add(
tf.matmul(layer_2, tf.Variable(tf.random_normal([n_hidden_2, n_hidden_1])))),
tf.Variable(tf.random_normal([n_hidden_1]))))
layer_4 = tf.add(
tf.matmul(layer_3, tf.Variable(tf.random_normal([n_hidden_1, n_input]))),
tf.Variable(tf.random_normal([n_input])))
我想将此代码转换为基于tf.contrib.layers
的代码。到目前为止我
layer_1 = tf.contrib.layers.fully_connected(
inputs=input,
num_outputs=n_hidden_1,
activation_fn=None)
layer_2 = tf.contrib.layers.fully_connected(
inputs=layer_1,
num_outputs=n_hidden_2,
activation_fn=tf.nn.sigmoid)
layer_3 = tf.contrib.layers.fully_connected(
inputs=layer_2,
num_outputs=n_hidden_1,
activation_fn=tf.nn.sigmoid)
layer_4 = tf.contrib.layers.linear(
inputs=layer_3,
num_outputs=n_input)
通过阅读和阅读。我读到tf.contrib.layers.linear
是线性层的替代品
但是我的输出与我之前得到的相比有更多的不同,这可能是偶然的。我在层的配置中做错了什么?您的代码和
tf.contrib.layers
版本之间的一个区别是默认初始值设定项不同:
- 权重的初始值设定项默认为
- 偏差的初始值设定项默认为
layer_1 = tf.contrib.layers.fully_connected(
inputs=input,
num_outputs=n_hidden_1,
activation_fn=None,
weights_initializer=tf.random_normal_initializer(),
biases_initializer=tf.random_normal_initializer())
# ...