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. La función Tensorflow.js tf.layers.dot() se usa para aplicar el producto punto entre los dos tensores provistos.
Sintaxis:
tf.layers.dot(args);
Parámetros: Esta función acepta los siguientes parámetros:
- args: Es el objeto con el siguiente campo:
- ejes: Definía los ejes del producto punto hacia donde va.
- normalizar: son datos booleanos utilizados para producir la respuesta del producto escalar en forma de valor coseno.
- inputShape: Define la forma de la capa de entrada del modelo. Se utiliza en la creación de la capa de entrada.
- dtype: es el tipo de datos de la capa. Se utiliza para la primera capa del modelo.
- nombre: String es el nombre de la capa de entrada.
- peso: Es el tensor cuyos valores son el valor inicial de la capa.
- entrenable: Definió que capa es entrenable o no. Es un tipo de dato booleano.
- batchInputShape: Definió la forma del lote para las muestras en la capa de entrada. Se utiliza en la fabricación de la capa de entrada.
- batchSize: Se utiliza como complemento de batchInputShape en la construcción de la capa de entrada. Se utiliza en la fabricación de la capa de entrada.
- inputDType: es el tipo de datos para los datos de entrada en la capa.
Devoluciones: Devuelve el producto tensor de dos tensores.
A continuación se muestran algunos ejemplos de esta función.
Ejemplo 1: En este ejemplo, haremos simplemente un producto punto del tensor con una rotación de valores de -2 ejes.
Javascript
// import * as tf from "@tensorflow/tfjs" // Generating tensor of [3,3] shape and size. const geek_tens1 = tf.randomUniform([3 ,3]); const geek_tens2 = tf.randomUniform([3 ,3]); // Making tensor compatible to apply to dot product. const geek_Input = [geek_tens1 ,geek_tens2]; // Calling dot product const geek_config = {axes: -2}; const geek_DotPro = tf.layers.dot(geek_config); const geek_DotProRes = geek_DotPro.apply(geek_Input); // Printing our result console.log(geek_DotProRes); geek_DotProRes.print();
Producción:
Tensor [[0.7034817], [0.2338114], [1.1493738]] Tensor [[0.7034817], [0.2338114], [1.1493738]]
Ejemplo 2: En este ejemplo, haremos un producto escalar de dos tensores y veremos el resultado en forma de coseno.
Javascript
import * as tf from "@tensorflow/tfjs" // Collect both outputs and print separately. // Generating tensor of [3,3] shape and size. const geek_tens1 = tf.randomUniform([2 ,4]); const geek_tens2 = tf.randomUniform([2 ,4]); // Making tensor compatible to apply to dot product. const geek_Input = [geek_tens1 ,geek_tens2]; // Calling dot product const geek_config = {axis: 1, normalize: true, dtype: 'int32', name: 'DotProduct' }; const geek_DotPro = tf.layers.dot(geek_config); const geek_DotProRes = geek_DotPro.apply(geek_Input); // Printing our result console.log(geek_DotProRes);
Producción:
Tensor 0.6817111968994141
Referencia: https://js.tensorflow.org/api/latest/#layers.dot
Publicación traducida automáticamente
Artículo escrito por satyam00so y traducido por Barcelona Geeks. The original can be accessed here. Licence: CCBY-SA