1.初始化为常量
tf.constant_initializer(value, dtype)
生成一个初始值为常量value的tensor对象
- value：指定的常量
- dtype：数据类型
tf.zeros_initializer(dtype)
生成一个初始值全为0的tensor对象
tf.ones_initializer(dtype)
生成一个初始值全为1的tensor对象
2.初始化为正太分布
tf.random_normal_initializer(mean, stddev, seed, dtype)
生成一组符合标准正态分布的tensor对象
- mean：正态分布的均值，默认值 0
- stddev：正态分布的标准差， 默认值 1
- seed：随机种子，指定seed的值相同生成同样的数据
- dtype：数据类型
tf.truncated_normal_initializer(mean, stddev, seed, dtype)
生成一组符合截断正态分布的tensor对象，如果随机生成的值偏离均值超过2个标准差，那么这个数将会被重新生成、
注意：
神经网络权重和过滤器的推荐初始值
3.初始化为均匀分布
tf.random_uniform_initializer(minval, maxval, seed, dtype)
生成一组符合均匀分布的tensor对象
- minval：最小值
- maxval：最大值
- seed：随机数种子
- dtype：数据类型
均匀分布生成的随机数并不是从小到大或者从大到小均匀分布的，这里均匀分布的意义是每次从一组服从均匀分布的数里边随机抽取一个数
