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:
Javascript
// 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:
Javascript
// 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
Publicación traducida automáticamente
Artículo escrito por thacker_shahid y traducido por Barcelona Geeks. The original can be accessed here. Licence: CCBY-SA