Tensorflow.js tf.initializers.leCunUniform() Función

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:

// 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:

// 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