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 en Node.js.
La función tf.metrics.categoricalCrossentropy() encuentra categóricamente la entropía cruzada categórica entre un objetivo y un tensor de salida.
Sintaxis:
tf.metrics.categoricalCrossentropy(yTrue, yPred)
Parámetros: Esta función acepta los siguientes dos parámetros:
- yTrue: Es el tensor de verdad, y es del tipo tf.Tensor.
- yPred: Es el tensor de predicción, y es de tipo tf.Tensor.
Valor devuelto: Devuelve el objeto tf.Tensor.
Ejemplo 1:
Javascript
// Importing the tensorflow.js library import * as tf from "@tensorflow/tfjs" // Initialising first 2d tensor. let geek1 = tf.tensor2d([[2, 4], [1, 3]]); // Initialising second 2d tensor. let geek2 = tf.tensor2d([11, 22, 33, 44], [2, 2]); // Using .categoricalCrossentropy() function // to find categorical accuracy metric. let result = tf.metrics.categoricalCrossentropy(geek1, geek2); // Printing the result. result.print();
Producción:
Tensor [3.8190854, 2.526145]
Ejemplo 2:
Javascript
// Importing the tensorflow.js library import * as tf from "@tensorflow/tfjs" // Using .categoricalCrossentropy() function // to find categorical accuracy metric tf.metrics.categoricalCrossentropy( tf.tensor1d([1, 2]), tf.tensor2d([50], [1, 1])) .print();
Producción:
Tensor [4e-7]
Referencia: https://js.tensorflow.org/api/3.6.0/#metrics.categoricalCrossentropy
Publicación traducida automáticamente
Artículo escrito por thacker_shahid y traducido por Barcelona Geeks. The original can be accessed here. Licence: CCBY-SA