Función Tensorflow.js tf.layers.batchNormalization()

Tensorflow.js es un conjunto de herramientas de código abierto desarrollado por Google para ejecutar modelos de aprendizaje automático y redes neuronales de aprendizaje profundo en el navegador o en la plataforma del Node. También permite a los desarrolladores crear modelos de aprendizaje automático en JavaScript y utilizarlos directamente en el navegador o con Node.js.

La función tf.layers.batchNormalization() se usa para aplicar la operación de normalización por lotes en los datos. La normalización por lotes es un método para entrenar redes neuronales muy profundas que estandariza cada lote de mini-entradas a una capa. Esto estabiliza el proceso de aprendizaje y reduce significativamente la cantidad de períodos de capacitación necesarios para crear redes profundas.

Sintaxis:

tf.layers.batchNormalization(args?)

Forma de entrada: arbitraria. Cuando utilice esta capa como capa inicial en un modelo, use la configuración inputShape.

Forma de salida: la salida tiene la misma forma que la entrada.

Parámetros: Acepta el objeto args el cual puede tener las siguientes propiedades:

• eje (número): el eje de enteros que debe normalizarse (normalmente, el eje de características). -1 es el valor predeterminado.
• impulso (número): el impulso de la media móvil. El valor predeterminado es 0,99.
• epsilon (número): el pequeño flotador se agrega a la varianza para evitar la división por cero. El valor predeterminado es 1e-3.
• centro (booleano): si esto es cierto, agregue el desplazamiento de beta al tensor normalizado. Si es falso, la versión beta no se tiene en cuenta. El valor se establece en verdadero de forma predeterminada.
• escala (booleano): si esto es cierto, multiplicado por gamma. Gamma no se utiliza si es falso. Verdadero es el valor predeterminado.
• betaInitializer: Este es el inicializador del peso beta. ‘ceros’ es el valor predeterminado.
• gammaInitializer: Este es el inicializador del peso gamma. ‘unos’ es el valor predeterminado.
• moviendoMeanInitializer: Este es el inicializador de la media móvil. ‘ceros’ es el valor predeterminado.
• movingVarianceInitializer: Este es el inicializador de la varianza en movimiento. ‘unos’ es el valor predeterminado.
• betaConstraint: La restricción para el peso beta.
• gammaConstraint: La restricción para el peso gamma.
• betaRegularizer: El regularizador para el peso beta.
• gammaRegularizer: El regularizador para el peso beta.

Valor devuelto: Devuelve un objeto (BatchNormalization).

Ejemplo 1:

import * as tf from "@tensorflow/tfjs";
  
const batchNormalizationLayer = tf.layers.batchNormalization();
      
const x = tf.tensor([1.12, -0.8, 1.9, 0.12, 0.25, -3.4], [2, 3]);
  
batchNormalizationLayer.apply(x).print();

Producción:

Tensor
   [[1.1194404, -0.7996003, 1.8990507 ],
    [0.11994  , 0.2498751 , -3.3983014]]

Ejemplo 2:

import * as tf from "@tensorflow/tfjs";
  
const batchNormalizationLayer = tf.layers.batchNormalization();
      
const x = tf.tensor([12, 3.2, 4.8, 9, 10, 2.5, 
    8, 11, 9.4, 25, 24.9, 98.7], [2, 3, 2]);
  
batchNormalizationLayer.apply(x).print();

Producción:

Tensor
   [[[11.9940042, 3.1984012 ],
     [4.7976022 , 8.9955034 ],
     [9.9950037 , 2.4987509 ]],
    [[7.9960032 , 10.994504 ],
     [9.3953028 , 24.9875088],
     [24.8875599, 98.6506805]]]

Referencia: https://js.tensorflow.org/api/latest/#layers.batchNormalization