tf.contrib.layers.xavier_initializer 在TF2中

`tf.contrib.layers.xavier_initializer` 是 TensorFlow 1.x 中的一个初始化器函数，它实现了Xavier初始化算法，这是一种常用的权重初始化策略，旨在解决深度神经网络训练过程中的梯度消失或爆炸问题。该算法为输入和输出特征维度相等的层提供了一个较为合适的初始权重分布。

在 TensorFlow 2.0 中，`tf.contrib` 模块已被移除，因为TensorFlow团队倾向于使用更清晰、模块化的API。如果你需要在 TF2 中实现类似的功能，你可以使用内置的 `tf.keras.initializers.GlorotUniform` 或 `tf.keras.initializers.GlorotNormal`，它们分别对应于Xavier uniform 和 Xavier normal 分布，即 Xaviers 初始化的均匀版本和正态版本。

以下是使用 TF2 的例子：

import tensorflow as tf

# 使用 Glorot Uniform 初始化
initializer = tf.keras.initializers.GlorotUniform()
weights = tf.Variable(initializer(shape=(input_dim, output_dim)))

# 或者使用 Glorot Normal 初始化
initializer = tf.keras.initializers.GlorotNormal()
weights = tf.Variable(initializer(shape=(input_dim, output_dim)))