<p><a href=”https://www.geeksforgeeks.org/introduction-to-tensorflow/”>TensorFlow</a> es una biblioteca de Python de código abierto diseñada por Google para desarrollar modelos de aprendizaje automático y redes neuronales de aprendizaje profundo. .
clip_by_global_norm() se usa para recortar valores de múltiples tensores por la proporción de la suma de sus normas.
Sintaxis: tensorflow.clip_by_global_norm( t_list, clip_norm, use_norm, nombre)
Parámetros:
- t_list: Es una tupla o lista de Tensores mixtos, IndexedSlices.
- clip_norm: Es un tensor escalar 0-D. Define la relación de recorte y debe ser mayor que 0.
- use_norm (opcional): Es un tensor escalar 0-D. Define la norma a utilizar. Si no se pasa ninguno , se utiliza global_norm() para calcular la norma.
- name(opcional): Define el nombre de la operación.
Devoluciones:
- list_clipped: Es una lista de tensores recortados del mismo tipo que t_list.
- norma_global: Es un tensor 0-D que representa la norma_global.
Ejemplo 1:
Python3
# Importing the library import tensorflow as tf # Initializing the input tensor t_list = [tf.constant([1, 2, 3, 4], dtype = tf.float64), tf.constant([5, 6, 7, 8], dtype = tf.float64)] clip_norm = .8 use_norm = tf.constant(1.0, dtype = tf.float64) # Printing the input tensor print('t_lis: ', t_list) print('clip_norm: ', clip_norm) print('use_norm: ', use_norm) # Calculating tangent res = tf.clip_by_global_norm(t_list, clip_norm, use_norm) # Printing the result print('Result: ', res)
Producción:
t_lis: [<tf.Tensor: shape=(4, ), dtype=float64, numpy=array([1., 2., 3., 4.])>, <tf.Tensor: shape=(4, ), dtype=float64, numpy=array([5., 6., 7., 8.])>] clip_norm: 0.8 use_norm: tf.Tensor(1.0, shape=(), dtype=float64) Result: ([<tf.Tensor: shape=(4, ), dtype=float64, numpy=array([0.8, 1.6, 2.4, 3.2])>, <tf.Tensor: shape=(4, ), dtype=float64, numpy=array([4., 4.8, 5.6, 6.4])>], <tf.Tensor: shape=(), dtype=float64, numpy=1.0>)
Ejemplo 2: en este ejemplo, no se pasa ninguno a use_norm, por lo que se usará global_norm() para encontrar la norma.
Python3
# Importing the library import tensorflow as tf # Initializing the input tensor t_list = [tf.constant([1, 2, 3, 4], dtype = tf.float64), tf.constant([5, 6, 7, 8], dtype = tf.float64)] clip_norm = .8 # Printing the input tensor print('t_lis: ', t_list) print('clip_norm: ', clip_norm) # Calculating tangent res = tf.clip_by_global_norm(t_list, clip_norm) # Printing the result print('Result: ', res)
Producción:
t_lis: [<tf.Tensor: shape=(4, ), dtype=float64, numpy=array([1., 2., 3., 4.])>, <tf.Tensor: shape=(4, ), dtype=float64, numpy=array([5., 6., 7., 8.])>] clip_norm: 0.8 Result: ([<tf.Tensor: shape=(4, ), dtype=float64, numpy=array([0.0560112, 0.11202241, 0.16803361, 0.22404481])>, <tf.Tensor: shape=(4, ), dtype=float64, numpy=array([0.28005602, 0.33606722, 0.39207842, 0.44808963])>], <tf.Tensor: shape=(), dtype=float64, numpy=14.2828568570857>)
Publicación traducida automáticamente
Artículo escrito por aman neekhara y traducido por Barcelona Geeks. The original can be accessed here. Licence: CCBY-SA