Función Tensorflow.js tf.initializers.varianceScaling()

Tensorflow.js es una biblioteca de código abierto desarrollada por Google para ejecutar modelos de aprendizaje automático y redes neuronales de aprendizaje profundo en el entorno del navegador o del Node. También ayuda a los desarrolladores a desarrollar modelos ML en lenguaje JavaScript y puede usar ML directamente en el navegador o en Node.js.

La función tf.initializers.varianceScaling() es capaz de ajustar su escala a la forma de los pesos. Usando el valor de distribution=NORMAL, las muestras se extraen de una distribución normal truncada que tiene el centro en 0, con stddev = sqrt(scale / n) . Tenga en cuenta que el valor de n varía como:

• Es el número de entradas en el tensor de peso, si el valor de modo = FAN_IN.
• Es el número de salidas en el tensor de peso, si el valor de modo = FAN_OUT.
• Es el promedio de salidas y entradas en el peso del tensor, si el valor de modo = FAN_AVG.

Sintaxis:

tf.initializers.varianceScaling(arguments)

Parámetros: toma un objeto como argumento que contiene 3 valores clave que se enumeran a continuación:

• escala: Es el factor de escala. Es un valor flotante positivo.
• mode: Es el modo de ventilación de las salidas y entradas.
• distribución: Es la distribución probabilística de los valores.
• semilla: Es la semilla del generador de números aleatorios.

Devuelve valor: Devuelve tf.initializers.Initializer

Ejemplo 1:

// Importing the tensorflow.js library
import * as tf from "@tensorflow/tfjs"
 
// Initializing the .initializers.varianceScaling()
// function
let geek = tf.initializers.varianceScaling(33)
 
// Printing gain value
console.log(geek);
 
// Printing individual gain value.
console.log('\nIndividual values:\n');
console.log(geek.scale);
console.log(geek.mode);
console.log(geek.distribution);

Producción: 

{
  "scale": 1,
  "mode": "fanIn",
  "distribution": "normal"
}

Individual values:

1
fanIn
normal

Ejemplo 2: 

// Importing the tensorflow.Js library
import * as tf from "@tensorflow/tfjs
 
// Defining the input value
const inputValue = tf.input({shape:[4]});
 
// Initializing tf.initializers.varianceScaling() function
const funcValue = tf.initializers.varianceScaling(3)
 
// Creating dense layer 1
const dense_layer_1 = tf.layers.dense({
    units: 5,
    activation: 'relu',
    kernelInitialize: funcValue
});
 
// Creating dense layer 2
const dense_layer_2 = tf.layers.dense({
    units: 9,
    activation: 'softmax'
});
 
// Output
const outputValue = dense_layer_2.apply(
    dense_layer_1.apply(inputValue)
);
 
// Creation the model.
const model = tf.model({
    inputs: inputValue,
    outputs: outputValue
});
 
// Predicting the output.
model.predict(tf.ones([2, 4])).print();

Producción: 

Tensor
    [[0.0687333, 0.1549079, 0.0899771, 0.084183, 
      0.1593787, 0.1488634, 0.0884578, 0.073244, 0.1322549],
     [0.0687333, 0.1549079, 0.0899771, 0.084183, 
      0.1593787, 0.1488634, 0.0884578, 0.073244, 0.1322549]]

Referencia: https://js.tensorflow.org/api/3.6.0/#initializers.varianceScaling