Función Tensorflow.js tf.layers.embedding()

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:

// 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:

// 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