Tensorflow.js tf.layers.spatialDropout1d() Función

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.spatialDropout1d() se usa para aplicar la versión 1D espacial de la operación de abandono en los datos.

Sintaxis:

tf.layers.spatialDropout1d(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:

• tasa (número): un valor flotante entre 0 y 1. La fracción de unidades de entrada que se eliminarán.
• semilla (número): un número entero que se utilizará como semilla aleatoria.
• 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 (SpatialDropout1D).

Ejemplo 1:

import * as tf from "@tensorflow/tfjs";
  
const model = tf.sequential({
    layers: [tf.layers.dense({ 
        units: 1, inputShape: [10, 2] 
    })],
});
    
model.add(tf.layers.spatialDropout1d({ rate: 0.25 }));
      
model.compile(
    { optimizer: "sgd", loss: "meanAbsoluteError" },
);
      
const result = model.evaluate(
    tf.ones([8, 10, 2]), tf.ones([8, 10, 1]), {
    batchSize: 4,
});
     
result.print();

Producción:

Tensor
   1.1040260791778564

Ejemplo 2:

import * as tf from "@tensorflow/tfjs";
    
const model = tf.sequential({
    layers: [tf.layers.dense({ 
        units: 1, inputShape: [5, 5] 
    })],
});
      
model.add(tf.layers.spatialDropout1d({ rate: 0.5, seed: 146 }));
    
model.compile({ optimizer: "adam", 
    loss: "meanSquaredError" });
      
const result = model.evaluate(
    tf.ones([4, 5, 5]), tf.ones([4, 5, 1]), {
    batchSize: 2,
});
      
result.print();

Producción:

Tensor
   7.158995151519775

Referencia: https://js.tensorflow.org/api/latest/#layers.spatialDropout1d