1.初始化為常量
tf.constant_initializer(value, dtype)
生成一個初始值為常量value的tensor對象
- value：指定的常量
- dtype：數據類型
tf.zeros_initializer(dtype)
生成一個初始值全為0的tensor對象
tf.ones_initializer(dtype)
生成一個初始值全為1的tensor對象
2.初始化為正太分布
tf.random_normal_initializer(mean, stddev, seed, dtype)
生成一組符合標准正態分布的tensor對象
- mean：正態分布的均值，默認值 0
- stddev：正態分布的標准差， 默認值 1
- seed：隨機種子，指定seed的值相同生成同樣的數據
- dtype：數據類型
tf.truncated_normal_initializer(mean, stddev, seed, dtype)
生成一組符合截斷正態分布的tensor對象，如果隨機生成的值偏離均值超過2個標准差，那么這個數將會被重新生成、
注意：
神經網絡權重和過濾器的推薦初始值
3.初始化為均勻分布
tf.random_uniform_initializer(minval, maxval, seed, dtype)
生成一組符合均勻分布的tensor對象
- minval：最小值
- maxval：最大值
- seed：隨機數種子
- dtype：數據類型
均勻分布生成的隨機數並不是從小到大或者從大到小均勻分布的，這里均勻分布的意義是每次從一組服從均勻分布的數里邊隨機抽取一個數