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 .sparseReshape() posee una sintaxis idéntica a la función remodelar() en el tensor comprimido renderizado. Donde los índices de entrada se recalculan sobre la base de la nueva forma requerida.
Nota:
- En caso de que un elemento de la nueva forma indicada sea el valor distinto, es decir, -1, entonces el tamaño de dicha dimensión se calcula de modo que el recuento del tamaño denso permanezca constante.
- En el mejor de los casos, solo un componente de la nueva forma establecida puede ser -1.
- Aquí, el recuento de componentes comprimidos indicado por la nueva forma indicada debe ser el mismo que el recuento de componentes comprimidos indicado originalmente por la forma de entrada indicada.
- La remodelación no afecta el orden de los valores en el tensor disperso indicado.
- En caso de que el tensor de entrada posea el rango R_in , así como N, valores cargados, y la nueva forma posee la longitud R_out , entonces la forma de los índices de entrada es [ N , R_in ], la longitud de la forma de entrada es R_in , la la forma de los índices de salida es [ N , R_out ], y la longitud de la forma de salida es R_out .
Sintaxis:
tf.sparseReshape(inputIndices, inputShape, newShape)
Parámetros: Este método acepta el siguiente parámetro:
- inputIndices: Es el 2-D indicado. N x R_in array junto con los índices de los valores cargados en un tensor disperso. Puede ser del tipo tf.Tensor2D, TypedArray o Array.
- inputShape: Es el 1-D indicado. R_in Tensor1D junto con la forma comprimida del tensor disperso de entrada. Puede ser del tipo tf.Tensor1D, TypedArray o Array.
- newShape: Es la 1-D indicada. R_out Tensor1D junto con la nueva forma comprimida demandada. Puede ser del tipo tf.Tensor1D, TypedArray o Array.
Valor devuelto: Devuelve el objeto tf.Tensor .
Ejemplo 1: En el siguiente ejemplo, llamamos a la función sparse.sparseReshape() con todos sus parámetros e imprimimos la respuesta de salida sin sus índices ni forma.
Javascript
// Importing the tensorflow.js library const tf = require("@tensorflow/tfjs") // Calling sparse.sparseReshape() function // with all its parameter const res = tf.sparse.sparseReshape( [[1, 0, 1], [2, 0, 1], [1, 1, 2], [0, -1, 0], [-3, 1, 2]], [1, 2, 9], [-1, 9]); // Printing output console.log(res);
Producción:
{ "outputIndices": { "kept": false, "isDisposedInternal": false, "shape": [ 5, 2 ], "dtype": "float32", "size": 10, "strides": [ 2 ], "dataId": { "id": 82 }, "id": 82, "rankType": "2", "scopeId": 36 }, "outputShape": { "kept": false, "isDisposedInternal": false, "shape": [ 2 ], "dtype": "float32", "size": 2, "strides": [], "dataId": { "id": 83 }, "id": 83, "rankType": "1", "scopeId": 36 } }
Ejemplo 2: En el siguiente ejemplo, llamamos a la función sparse.sparseReshape() con todos sus parámetros e imprimimos la respuesta de salida con sus índices y forma.
Javascript
// Importing the tensorflow.js library const tf = require("@tensorflow/tfjs") // Calling sparse.sparseReshape() function // with all its parameter const res = tf.sparse.sparseReshape( [[1.1, 0, 1.2], [2.1, 0.2, 1.3], [1.4, 2.3, 2.5], [null, -1, 0], [-3, 1, 2]], [1.0, 3, 3], [-1, 9]); // Printing output indices res['outputIndices'].print(); // Printing output shape res['outputShape'].print();
Producción:
Tensor [[1 , 2 ], [2 , 2 ], [2 , 3 ], [0 , -3], [-2, -4]] Tensor [1, 9]
Referencia: https://js.tensorflow.org/api/latest/#sparseReshape
Publicación traducida automáticamente
Artículo escrito por nidhi1352singh y traducido por Barcelona Geeks. The original can be accessed here. Licence: CCBY-SA