Función Tensorflow.js tf.layers.prelu()

Tensorflow.js es un conjunto de herramientas de código abierto desarrollado por Google para ejecutar modelos de aprendizaje automático y redes neuronales de aprendizaje profundo en el navegador o en la plataforma del Node. También permite a los desarrolladores crear modelos de aprendizaje automático en JavaScript y utilizarlos directamente en el navegador o con Node.js.

La función tf.layers.prelu() se utiliza para aplicar la versión parametrizada de una función de activación de unidad lineal rectificada con fugas en los datos.

Sintaxis:

tf.layers.prelu(args?)

Forma de entrada: arbitraria. Cuando utilice esta capa como capa inicial en un modelo, use la configuración inputShape.

Forma de salida: la salida tiene la misma forma que la entrada.

Parámetros: Acepta el objeto args el cual puede tener las siguientes propiedades:

• args: Es un objeto que contiene las siguientes propiedades:
  • alphaInitializer:  El inicializador para el alfa aprendible.
  • alphaRegularizer: para el alfa aprendible, este es el regularizador.
  • alphaConstraint: para el alfa aprendible, esta es la restricción.
  • sharedAxes: los ejes a lo largo de los cuales se deben compartir los parámetros de aprendizaje de la función de activación
  • inputShape: si se establece esta propiedad, se utilizará para construir una capa de entrada que se insertará antes de esta capa. 
  • batchInputShape: si se establece esta propiedad, se creará e insertará una capa de entrada antes de esta capa. 
  • batchSize: si no se proporciona batchInputShape y sí inputShape, se utiliza batchSize para crear el batchInputShape.
  • dtype: Es el tipo de tipo de datos para esta capa. float32 es el valor predeterminado. Este parámetro se aplica exclusivamente a las capas de entrada.
  • nombre: Este es el nombre de la capa y es de tipo string.
  • entrenable: si los pesos de esta capa se pueden cambiar por ajuste. Verdadero es el valor predeterminado.
  • pesos: Los valores de peso iniciales de la capa.

Devoluciones: Devuelve un objeto (PReLU).

Ejemplo 1:

import * as tf from "@tensorflow/tfjs";
  
const pReLULayer = tf.layers.prelu({
    alphaInitializer: 'glorotUniform'
});
      
const x = tf.tensor([11, -8, -9, 12]);
  
pReLULayer.apply(x).print();

Producción:

Tensor
   [11, -6.450459, -7.2567663, 12]

Ejemplo 2:

import * as tf from "@tensorflow/tfjs";
  
const pReLULayer = tf.layers.prelu({
    alphaInitializer: 'glorotUniform'
});
      
const x = tf.tensor([1.12, -0.8, 1.9, 
    0.12, 0.25, -3.4], [2, 3]);
  
pReLULayer.apply(x).print();

Producción:

Tensor
   [[1.12, 0.5329878, 1.9       ],
    [0.12, 0.25     , -3.0655782]]

Referencia: https://js.tensorflow.org/api/latest/#layers.prelu