比较与tf.keras.initializers.Constant的功能差异
tf.keras.initializers.Constant
tf.keras.initializers.Constant(value=0)
mindspore.common.initializer.Constant
mindspore.common.initializer.Constant(value)
使用方式
TensorFlow: 函数入参value
支持标量,列表,元组,数组类型。假设需要创建一个指定shape的张量,且此接口的入参value
类型为列表或数组时,value
包含的元素数量必须小于等于指定shape的元素数量,小于的情况下,value
的最后一个元素值用来填充剩余的位置。
MindSpore:函数入参value
支持标量和数组类型。value
为数组时,只能生成与value
形状相同的张量。
代码示例
以输入为数组为例,代码样例如下:
TensorFlow:
import numpy as np
import tensorflow as tf
value = np.array([0, 1, 2, 3, 4, 5, 6, 7])
value = value.reshape([2, 4])
init = tf.keras.initializers.Constant(value)
x = init(shape=(2, 4))
y = init(shape=(3, 4))
with tf.Session() as sess:
print(x.eval(), "\n")
print(y.eval())
# out:
# [[0. 1. 2. 3.]
# [4. 5. 6. 7.]]
# [[0. 1. 2. 3.]
# [4. 5. 6. 7.]
# [7. 7. 7. 7.]]
MindSpore:
import numpy as np
import mindspore as ms
from mindspore.common.initializer import initializer, Constant
value = np.array([0, 1, 2, 3, 4, 5, 6, 7])
value = value.reshape([2, 4])
x = initializer(Constant(value), shape=[2, 4], dtype=ms.float32)
print(x)
# out:
# [[0. 1. 2. 3.]
# [4. 5. 6. 7.]]