Tensorflow.js es una biblioteca de código abierto desarrollada por Google para ejecutar modelos de aprendizaje automático, así como redes neuronales de aprendizaje profundo en el entorno del navegador o del Node.
La función tf.layers.embedding() se usa para mapear números enteros positivos en vectores densos de tamaño fijo.
Sintaxis:
tf.layers.embedding(args)
Parámetros: esta función acepta los argumentos como un parámetro que puede tener las siguientes propiedades:
- inputDim: Se utiliza para especificar el tamaño del vocabulario.
- outputDim: se utiliza para especificar la dimensión de la incrustación densa.
- embeddingsInitializer: Se utiliza para especificar el inicializador de la array de incrustaciones.
- embeddingsRegularizer: se utiliza para especificar qué función de regularizador se aplica a la array de incrustaciones.
- activityRegularizer: Se utiliza para especificar qué función de regularizador se aplica a la activación.
- embeddingsConstraint : se utiliza para especificar qué función de restricción se aplica a la array de incrustaciones.
- maskZero: se utiliza para comprobar si el valor de entrada 0 es un valor de relleno especial .
- inputLength: se utiliza para especificar la longitud de las secuencias de entrada.
- inputShape: Se utiliza para crear una capa de entrada para insertar antes de esta capa.
- batchInputShape: Se utiliza para crear una capa de entrada para insertar antes de esta capa.
- batchSize: se utiliza para construir batchInputShape si se especifica inputShape y no se especifica batchInputShape.
- dtype: se utiliza para indicar el tipo de datos para esta capa.
- nombre: Se utiliza para denotar el nombre de esta capa.
- entrenable: Se utiliza para indicar si los pesos de esta capa son actualizables por ajuste o no.
- pesos: se utiliza para indicar los valores de peso iniciales de la capa.
- inputDType: es solo para el soporte heredado y no se debe usar para código nuevo.
Valor devuelto: Devuelve el
Ejemplo 1:
Javascript
// Import library import * as tf from "@tensorflow/tfjs" // Create embedding layer const embeddingLayer = tf.layers.embedding({ inputDim: 10, outputDim: 3, inputLength: 2 }); const input = tf.ones([2, 2]); // Apply embedding to input const output = embeddingLayer.apply(input); // Print the output console.log(output)
Producción:
Tensor [[[0.0179072, 0.0069226, 0.0202718], [0.0179072, 0.0069226, 0.0202718]], [[0.0179072, 0.0069226, 0.0202718], [0.0179072, 0.0069226, 0.0202718]]]
Ejemplo 2:
Javascript
// Import the library import * as tf from "@tensorflow/tfjs" // Create embedding layer const embeddingLayer = tf.layers.embedding({ inputDim: 100, outputDim: 4, inputLength: 3 }); const input = tf.ones([3, 3]); // Apply embedding to input const output = embeddingLayer.apply(input); // Print the output console.log(output)
Producción:
Tensor [[[0.0443502, -0.0342815, 0.0228792, 0.0198386], [0.0443502, -0.0342815, 0.0228792, 0.0198386], [0.0443502, -0.0342815, 0.0228792, 0.0198386]], [[0.0443502, -0.0342815, 0.0228792, 0.0198386], [0.0443502, -0.0342815, 0.0228792, 0.0198386], [0.0443502, -0.0342815, 0.0228792, 0.0198386]], [[0.0443502, -0.0342815, 0.0228792, 0.0198386], [0.0443502, -0.0342815, 0.0228792, 0.0198386], [0.0443502, -0.0342815, 0.0228792, 0.0198386]]]
Referencia: https://js.tensorflow.org/api/latest/#layers.embedding