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:
Javascript
// 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:
Javascript
// 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
Publicación traducida automáticamente
Artículo escrito por thacker_shahid y traducido por Barcelona Geeks. The original can be accessed here. Licence: CCBY-SA