Función Tensorflow.js tf.layers.layerNormalization()

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.layerNormalization() se utiliza para aplicar la operación de normalización de capas en los datos.

Sintaxis:

tf.layers.layerNormalization(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:

• eje (número): el eje de enteros que debe normalizarse (normalmente, el eje de características). -1 es el valor predeterminado.
• impulso (número): el impulso de la media móvil. El valor predeterminado es 0,99.
• epsilon (número): el pequeño flotador se agrega a la varianza para evitar la división por cero. El valor predeterminado es 1e-3.
• centro (booleano): si esto es cierto, agregue el desplazamiento de beta al tensor normalizado. Si es falso, la versión beta no se tiene en cuenta. El valor se establece en verdadero de forma predeterminada.
• escala (booleano) : si esto es cierto, multiplicado por gamma. Gamma no se utiliza si es falso. Verdadero es el valor predeterminado.
• betaInitializer: Este es el inicializador del peso beta. ‘ceros’ es el valor predeterminado.
• gammaInitializer: Este es el inicializador del peso gamma. ‘unos’ es el valor predeterminado.
• moviendoMeanInitializer: Este es el inicializador de la media móvil. ‘ceros’ es el valor predeterminado.
• movingVarianceInitializer: Este es el inicializador de la varianza en movimiento. ‘unos’ es el valor predeterminado.
• betaConstraint: La restricción para el peso beta.
• gammaConstraint: La restricción para el peso gamma.
• betaRegularizer: El regularizador para el peso beta.
• gammaRegularizer: El regularizador para el peso beta.
• 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 (LayerNormalization).

Ejemplo 1:

import * as tf from "@tensorflow/tfjs";
  
const layerNormalizationLayer = tf.layers.layerNormalization();    
  
const x = tf.tensor([1.12, -0.8, 1.9, 0.12, 0.25, -3.4], [2, 3]);
  
layerNormalizationLayer.apply(x).print();

Producción:

Tensor
   [[0.334805 , -1.3568414, 1.0220363 ],
    [0.6681985, 0.7450709 , -1.4132695]]

Ejemplo 2:

import * as tf from "@tensorflow/tfjs";
  
const layerNormalizationLayer = tf.layers.layerNormalization();    
  
const x = tf.tensor([12, 3.2, 4.8, 9, 10, 2.5, 8, 
    11, 9.4, 25, 24.9, 98.7], [2, 3, 2]);
  
layerNormalizationLayer.apply(x).print();

Producción:

Tensor
   [[[0.9999743 , -0.9999742],
     [-0.9998867, 0.9998867 ],
     [0.9999645 , -0.9999645]],
    [[-0.9997779, 0.9997779 ],
     [-0.9999919, 0.9999917 ],
     [-0.9999996, 0.9999996 ]]]
 

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