Función Tensorflow.js tf.regularizers.l1l2()

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

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *