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.leCunUniform() toma muestras de una distribución uniforme en el intervalo [-cap, cap] con cap = sqrt(3 / fanIn). Tenga en cuenta que fanIn es el número de entradas en el peso del tensor.
Sintaxis:
tf.initializers.leCunUniform(arguments).
Parámetros:
- argumentos: Es un objeto que contiene semilla (un número) que es el generador de números aleatorios semilla/número.
Devuelve valor: Devuelve tf.initializers.Initializer.
Ejemplo 1:
Javascript
// Importing the tensorflow.Js library import * as tf from "@tensorflow/tfjs" // Initialising the .initializers.leCunUniform() function console.log(tf.initializers.leCunUniform(4)); // Printing individual values from the gain console.log("\nIndividual Values\n"); console.log(tf.initializers.leCunUniform(4).scale); console.log(tf.initializers.leCunUniform(4).mode); console.log(tf.initializers.leCunUniform(4).distribution);
Producción:
{ "scale": 1, "mode": "fanIn", "distribution": "uniform" } Individual Values 1 fanIn uniform
Ejemplo 2:
Javascript
// Importing the tensorflow.Js library import * as tf from "@tensorflow/tfjs" // Defining the input value let inputValue = tf.input({ shape: [4] }); // Initializing tf.initializers.leCunUniform() // function let funcValue = tf.initializers.leCunUniform(6) // Creating dense layer 1 let dense_layer_1 = tf.layers.dense({ units: 3, activation: 'relu', kernelInitialize: funcValue }); // Creating dense layer 2 let dense_layer_2 = tf.layers.dense({ units: 6, activation: 'softmax' }); // Output Value let outputValue = dense_layer_2.apply( dense_layer_1.apply(inputValue) ); // Creation the model let model = tf.model({ inputs: inputValue, outputs: outputValue }); // Predicting the output let finalOutput = model.predict(tf.ones([2, 4])); finalOutput.print();
Producción:
Tensor [[0.1853671, 0.1406064, 0.1505066, 0.1183221, 0.2430924, 0.1621054], [0.1853671, 0.1406064, 0.1505066, 0.1183221, 0.2430924, 0.1621054]]
Referencia: https://js.tensorflow.org/api/latest/#initializers.leCunUniform
Publicación traducida automáticamente
Artículo escrito por cyber_psych0 y traducido por Barcelona Geeks. The original can be accessed here. Licence: CCBY-SA