本笔记由博客园-圆柱模板 博主整理笔记发布，转载需注明，谢谢合作!

         参数初始化（Initializations）

     这个模块的作用是在添加layer时调用init进行这一层的权重初始化，有两种初始化方法，以下为样例：

model.add(Dense(64, init='uniform'))

　　可以选择的初始化方法有： 
           uniform、lecun_uniform、normal、orthogonal、zero、glorot_normal、he_normal等

        对象调用

   该对象必须包含两个参数:shape(待初始化的变量的shape)和name(该变量的名字),该可调用对象必须返回一个(Keras)变量,例如K.variable()返回的就是这种变量

    如：

from keras import backend as K
import numpy as np

def my_init(shape, name=None):
    value = np.random.random(shape)
    return K.variable(value, name=name)

model.add(Dense(64, init=my_init))

或者

from keras import initializations

def my_init(shape, name=None):
    return initializations.normal(shape, scale=0.01, name=name)

model.add(Dense(64, init=my_init))

     所以说可以通过库中的方法设定每一层的初始化权重，也可以自己初始化权重，自己设定的话可以精确到每个节点的权重，那么是否可以在这儿做文章优化特征呢？我觉得可以针对不同的task深入试验看看