Tensorflow.js tf.Sequential class.predict() Método

Tensorflow.js es una biblioteca de código abierto desarrollada por Google para ejecutar modelos de aprendizaje automático, así como redes neuronales de aprendizaje profundo en el entorno del navegador o del Node.

El método .predict() se usa para producir las expectativas de salida considerando las instancias de entrada indicadas. Además, el cálculo se realiza aquí en grupos.

Sintaxis:

predict(x, args?)

Parámetros:  

• x: Son los datos de entrada indicados, como un tensor, o bien una array de tf.Tensors en caso de que el modelo tenga numerosas entradas. Puede ser de tipo tf.Tensor o tf.Tensor[].
• args: Es un parámetro opcional que es de tipo objeto.
  1. batchSize: es el tamaño de lote indicado en forma de número entero y es un parámetro opcional. Además, en caso de que no se especifique, el valor predeterminado es 32.
  2. verbose: es el modo de verbosidad indicado que es falso por defecto. Es de tipo booleano y es opcional.

Valor devuelto: Devuelve tf.Tensor o tf.Tensor[].

Ejemplo 1:  

// Importing the tensorflow.js library
import * as tf from "@tensorflow/tfjs"
  
// Defining model
const modl = tf.sequential({
   layers: [tf.layers.dense({units: 2, inputShape: [40]})]
});
  
// Calling predict() method and
// Printing output
modl.predict(tf.truncatedNormal([7, 40])).print();

Producción:

Tensor
    [[0.1556173 , 1.2365075 ],
     [-1.7945877, 2.3424799 ],
     [0.3632407 , -0.1731701],
     [0.195157  , -0.7823027],
     [0.4565429 , 2.512109  ],
     [-1.2392806, 0.1868197 ],
     [0.6895663 , -0.2006246]]

Ejemplo 2:

// Importing the tensorflow.js library
import * as tf from "@tensorflow/tfjs"
  
// Calling predict() method and
// Printing output
tf.sequential({
   layers: [tf.layers.dense({units: 3, inputShape: [20]})]
}).predict(tf.randomNormal([8, 20])).print();

Producción:

Tensor
    [[-1.1149288, 0.8968778 , -0.7492741],
     [1.3654473 , -0.471923 , 1.3632329 ],
     [0.5550661 , 0.6949158 , 1.9761562 ],
     [-0.2109454, -0.3558912, 0.243051  ],
     [-1.2827762, 0.5370077 , 0.1645843 ],
     [0.1542411 , -1.359634 , -0.1656512],
     [-0.4721956, 0.3904444 , 0.7398967 ],
     [-0.2076109, -3.0447464, 1.3338548 ]]

Referencia: https://js.tensorflow.org/api/latest/#tf.Sequential.predict