Tensorflow.js tf. Clase secuencial .add() Método

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 .add() se utiliza para colocar un prototipo de capa en la parte superior de la pila de capas.

Sintaxis:

add(layer)

Parámetros:  

• capa: Es el prototipo de capa indicado y es de tipo tf.layers.Layer.

Valor devuelto: Devuelve nulo.

Ejemplo 1:  

// Importing the tensorflow.js library
import * as tf from "@tensorflow/tfjs"
  
// Defining model
const modl = tf.sequential();
  
// Calling add() method
modl.add(tf.layers.dense({units: 4, inputShape: [1]}));
modl.add(tf.layers.dense({units: 2, stimulation: 'relu'}));
modl.add(tf.layers.dense({units: 1, stimulation: 'relu'}));
  
// Printing output by calling predict
// method
modl.predict(tf.truncatedNormal([4, 1])).print();

Salida: aquí, se utiliza el método Layers.dense() para generar una capa completamente densa, el método Predict() se usa para producir pronósticos de salida a favor de las instancias de entrada, y el método truncatedNormal() se usa para producir un tf.Tensor con el ayuda de valores que se muestrean de una distribución normal que se trunca.

Tensor
    [[0.1687946 ],
     [-0.1382875],
     [-0.3894148],
     [0.1748937 ]]

Ejemplo 2:

// Importing the tensorflow.js library
import * as tf from "@tensorflow/tfjs"
  
// Defining model
const modl = tf.sequential();
  
// Calling add() method
modl.add(tf.layers.maxPooling2d({batchInputShape:[1, 2, 3, 4],
     poolSize: 1,
     strides: 2}));
  
// Printing output by calling predictOnBatch
// method
modl.predictOnBatch(tf.randomNormal([1, 2, 3, 4])).print();

Salida: aquí, el método Layers.maxpooling2d() es útil en la tarea de agrupación máxima por medio de datos espaciales, el método predictOnBatch() se usa para pronosticar a favor de un grupo particular de instancias, y el método randomNormal() se utiliza para producir tf.Tensor con la ayuda de valores que se muestrean de una distribución normal.

Tensor
    [[[[0.9905863, 1.6736914, -1.2367558, -0.3343732],
       [0.2533375, 0.5539166, 0.6961272 , -0.3252741]]]]

Referencia: https://js.tensorflow.org/api/latest/#tf.Sequential.add