Comment initialiser les préjugés dans un Keras modèle?
Je suis en train de construire un modèle synthétique dans Keras, et j'ai besoin d'assigner des valeurs pour les poids et les biais. L'attribution du poids est facile, je suis en utilisant les instructions fournies ici: https://keras.io/initializations/.
Cependant, je ne pouvais pas trouver toutes les instructions sur la façon d'attribuer les préjugés. Des idées?
OriginalL'auteur Mohammad Amin | 2016-11-20
Vous devez vous connecter pour publier un commentaire.
Vous trouverez la réponse ici.
https://keras.io/layers/core/
Lors de l'ajout d'une nouvelle couche, vous pouvez définir l'argument de "poids", une liste qui contient initiale w et b la forme de la speicified.
model.add(Dense(50, input_dim= X_train.shape[1], weights = [np.zeros([692, 50]), np.zeros(50)]))
Je suis d'accord avec @Peteris ici. Vous devriez au moins d'initialisation du noyau de poids pour autre chose que des zéros.
OriginalL'auteur Hengda Qi
Vous pouvez également utiliser bias_initializer comme ceci:
C'est à partir de https://keras.io/initializers/
OriginalL'auteur StatsSorceress
Initialiser les préjugés avec petite valeur positive tels que 0,1
OriginalL'auteur daoliker
Poids et les biais d'initialisation pour chaque couche peut être réglé via le
kernel_initializer
etbias_initializer
mot-clé arguments, respectivement, àlayers.Dense()
. Si pas défini par l'utilisateur, les paramètres par défaut dekernel_initializer='glorot_uniform'
etbias_initializer='zeros'
sont appliquées.Par exemple, si vous souhaitez initialiser une couche de poids, l'initialisation aléatoire uniforme au lieu de glorot et de la polarisation de l'initialisation de 0.1 au lieu de 0, vous pouvez définir une couche donnée comme suit:
Voir calques/core/ pour plus de détails sur la couche Dense mot-clé arguments et initializers/ pour prédéfinis et personnalisables initialiseur options
OriginalL'auteur Trevor Witter