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 .addLoss() se usa para adjuntar pérdidas a la capa indicada. Además, la pérdida probablemente esté condicionada a algunos tensores de entrada, por ejemplo, las pérdidas de operación dependen de las entradas de las capas indicadas.
Sintaxis:
addLoss(losses)
Parámetros:
- Pérdidas: Son las pérdidas declaradas. Puede ser de tipo RegularizerFn o RegularizerFn[] .
Valor devuelto: Devuelve nulo.
Ejemplo 1:
Javascript
// Importing the tensorflow.js library import * as tf from "@tensorflow/tfjs" // Creating a model const model = tf.sequential(); // Adding a layer model.add(tf.layers.dense({units: 1, inputShape: [3]})); // Defining input const input = tf.tensor1d([1, 2, 3, 4]); // Calling addLoss() method with its // parameter const res = model.layers[0].addLoss([tf.abs(input)]); // Printing output console.log(JSON.stringify(input)); model.layers[0].getWeights()[0].print();
Producción:
{"kept":false,"isDisposedInternal":false,"shape":[4],"dtype":"float32", "size":4,"strides":[],"dataId":{"id":82},"id":124,"rankType":"1","scopeId":61} Tensor [[0.143441 ], [-0.58002 ], [-0.5836995]]
Ejemplo 2:
Javascript
// Importing the tensorflow.js library import * as tf from "@tensorflow/tfjs" // Creating a model const model = tf.sequential(); // Adding layers model.add(tf.layers.dense({units: 1, inputShape: [3]})); model.add(tf.layers.dense({units: 4})); model.add(tf.layers.dense({units: 9, inputShape: [11]})); // Defining inputs const input1 = tf.tensor1d([0.5, 0.2, -33, null]); const input2 = tf.tensor1d([0.33, 0.5, -1]); const input3 = tf.tensor1d([1, 0.44]); // Calling addLoss() method with its // parameter const res1 = model.layers[0].addLoss([tf.cos(input1)]); const res2 = model.layers[0].addLoss([tf.sin(input2)]); const res3 = model.layers[0].addLoss([tf.tan(input3)]); // Printing outputs console.log(JSON.stringify(input1)); console.log(JSON.stringify(input2)); console.log(JSON.stringify(input3)); model.layers[0].getWeights()[0].print();
Producción:
{"kept":false,"isDisposedInternal":false,"shape":[4],"dtype":"float32", "size":4,"strides":[],"dataId":{"id":169},"id":261,"rankType":"1","scopeId":112} {"kept":false,"isDisposedInternal":false,"shape":[3],"dtype":"float32", "size":3,"strides":[],"dataId":{"id":170},"id":262,"rankType":"1","scopeId":112} {"kept":false,"isDisposedInternal":false,"shape":[2],"dtype":"float32", "size":2,"strides":[],"dataId":{"id":171},"id":263,"rankType":"1","scopeId":112} Tensor [[-0.0062826], [0.0883235 ], [-1.0633234]]
Referencia: https://js.tensorflow.org/api/latest/#tf.layers.Layer.addLoss
Publicación traducida automáticamente
Artículo escrito por nidhi1352singh y traducido por Barcelona Geeks. The original can be accessed here. Licence: CCBY-SA