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 .regularizers.l1l2() se utiliza para la regularización de L1 y L2. Además, añade un nombre a la pérdida para reprender a los pesos enormes: pérdida += sum(l1 * abs(x)) + sum(l2 * x^2).
Sintaxis:
tf.regularizers.l1l2(config?)
Parámetros:
- config: Es un objeto que es opcional. Y debajo viene l1 y l2.
- l1: Es la tasa de regularización L1 indicada, cuyo valor por defecto es 0,01. Es de tipo número.
- l2: Es la tasa de regularización L2 indicada, cuyo valor por defecto es 0,01. Es de tipo número.
Valor de Retorno: Devuelve Regularizador.
Ejemplo 1: En este ejemplo, vamos a ver el uso independiente de l1l2 Regularizer aplicado a la array de pesos del núcleo.
Javascript
// Importing the tensorflow.js library //const tf = require("@tensorflow/tfjs"); // Define sequential model const model = tf.sequential(); // Adding layer to it and calling // regularizers.l1l2() method model.add(tf.layers.dense({ units: 11, batchInputShape:[3, 4], kernelRegularizer:tf.regularizers.l1l2() })); // Calling summary() method and // Printing output model.summary();
Producción:
_________________________________________________________________ Layer (type) Output shape Param # ================================================================= dense_Dense57 (Dense) [3,11] 55 ================================================================= Total params: 55 Trainable params: 55 Non-trainable params: 0 _________________________________________________________________
Ejemplo 2: En este ejemplo, vamos a ver el uso independiente de l1l2 Regularizer aplicado al vector de polarización.
Javascript
// Importing the tensorflow.js library const tf = require("@tensorflow/tfjs"); // Define sequential model const model = tf.sequential(); // Adding layer to it and calling // regularizers.l1l2() method model.add(tf.layers.dense({ units: 12, inputShape:[null, 8, 2], biasRegularizer:tf.regularizers.l1l2() })); // Calling summary() method and // Printing output model.summary();
Producción:
_________________________________________________________________ Layer (type) Output shape Param # ================================================================= dense_Dense69 (Dense) [null,null,8,12] 36 ================================================================= Total params: 36 Trainable params: 36 Non-trainable params: 0 _________________________________________________________________
Referencia: https://js.tensorflow.org/api/latest/#regularizers.l1l2
Publicación traducida automáticamente
Artículo escrito por nidhi1352singh y traducido por Barcelona Geeks. The original can be accessed here. Licence: CCBY-SA