Función Tensorflow.js tf.layers.gaussianNoise()

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 Node.js.

La función tf.layers.gaussianNoise() se utiliza para aplicar ruido gaussiano aditivo centrado en cero. Dado que es una capa de regularización, solo está activa en el momento del entrenamiento.

tf.layers.gaussianNoise(arguments)

Parámetros

• inputShape: es un parámetro opcional que se usa para crear la capa de entrada y toma valores como número y nulo.
• batchInputShape: es un parámetro opcional que se usa para crear la capa de entrada antes de la capa principal, y toma valores como número y nulo.
• batchSize: es un parámetro opcional que se usa para hacer batchInputShape y solo acepta números.
• dtype: es un parámetro opcional y representa el tipo de datos. De forma predeterminada, tiene ‘float32’ y también admite otros valores como ‘int32’, ‘bool’, etc.
• name: Es un parámetro opcional y se usa para definir el nombre de la capa, y acepta strings.
• entrenable : es un parámetro opcional que determina que las capas de entrada proporcionadas se actualicen o no. Acepta valores booleanos.
• pesos : Posee los pesos iniciales de la capa. También es un parámetro opcional.
• inputDType: es un parámetro opcional que se utiliza para el tipo de datos de entrada. Al igual que dtype, también admite todos sus valores.

Valor devuelto: Devuelve GaussianNoise.

Ejemplo 1:

// Importing the tensorflow.js library
import * as tf from "@tensorflow/tfjs"
  
// Initializing the tensor
const geek= tf.tensor1d([28561, 53678, 21343, 81422]);
  
// Reshaping tensor
const geek1 = tf.reshape(geek,[2,2]);
  
// Creating gaussianNoise of poolSize 2*2
const gaussianNoise = 
      tf.layers.gaussianNoise({poolSize:[2,2]});
  
// Applying gaussianNoise on geek1 tensor
const result = gaussianNoise.apply(geek1);
  
// Printing the result tensor
result.print();

Producción:

Tensor
    [[28561, 53678],
     [21343, 81422]]

Ejemplo 2:

// Importing the tensorflow.js library
import * as tf from "@tensorflow/tfjs"
  
// Reshaping tensor
const geek1 = tf.reshape(
  tf.tensor1d([215, 637, 172, 368]),
  [2,2]);
  
// Applying gaussianNoise on geek1 tensor
tf.layers.gaussianNoise(
  {
    poolSize:[2,2]
  }
).apply(
  geek1).print();

Producción:

Tensor
    [[215, 637],
     [172, 368]]

Referencia: https://js.tensorflow.org/api/3.6.0/#layers.gaussianNoise