Función Tensorflow.js tf.constraints.maxNorm()

Tensorflow.js es una biblioteca de código abierto que está desarrollando Google para ejecutar modelos de aprendizaje automático, así como redes neuronales de aprendizaje profundo en el entorno del navegador o del Node.
 El tf.constraints.maxNorm() se hereda de la clase de restricción. Las restricciones son los atributos de capas como peso, núcleos, sesgos. Se asigna a las capas en el momento de la construcción del modelo. MaxNorm es una restricción de peso. Restringe el peso a cada capa oculta que tiene una norma menor o igual al valor deseado. En esta publicación, veremos la función maxNorm() y cómo funciona con restricciones.

 Sintaxis: 

tf.constraints.maxNorm(maxValue, axis) 

Parámetros:

• maxValue: la norma máxima para el peso entrante.
• eje: Es el eje a lo largo del cual se calcula la norma.

Devoluciones: Devuelve tf.constraints.Constraint. 

Ejemplo 1: En este ejemplo, vamos a crear la función maxNorm y pasar maxValue como 2 y axis como 0.

// Importing the tensorflow.Js library
import * as tf from "@tensorflow/tfjs"
 
// Use maxNorm() function
var a=tf.constraints.maxNorm(2,0)
 
// Print
console.log(a)

Producción: 

{
    "defaultMaxValue": 2,
    "defaultAxis": 0,
    "maxValue": 2,
    "axis": 0
}

 Ejemplo 2: en este ejemplo, vamos a crear un modelo de capa densa y pasar la restricción de kernel y bias como maxNorm.

// Import tensorflow.js
import * as tf from "@tensorflow/tfjs"
 
 
// Define dense layer
const denseLayer = tf.layers.dense({
    units: 6,
    kernelInitializer: 'heNormal',
    kernelConstraint: 'maxNorm',
    biasConstraint: 'maxNorm',
    useBias: true
});
 
// Define input and output
const inp = tf.ones([2, 3]);
const out = denseLayer.apply(inp);
     
// Print the output
out.print()

Producción:

Tensor
   [[0.770891, -0.191616, -1.3709277, -1.010246, 1.0177934, 0.6692461],
    [0.770891, -0.191616, -1.3709277, -1.010246, 1.0177934, 0.6692461]]

Referencia: https://js.tensorflow.org/api/latest/#class:constraints.Constraint