Tensorflow.js tf.initializers.Initializer Clase

Tensorflow.js es una biblioteca de código abierto desarrollada por Google para ejecutar modelos de aprendizaje automático y redes neuronales de aprendizaje profundo en el entorno del navegador o del Node. La clase tf.initializers.Initializer() se usa para extender la clase serialization.Serializable. Es la clase base de Initializer .

Esta clase tf.initializers.Initializer contiene quince funciones integradas que se ilustran a continuación:  

• tf.initializers.Clase de inicializador. función constante()
• tf.initializers.Clase de inicializador. función glorotNormal()
• tf.initializers.Clase de inicializador. función glorotUniform()
• tf.initializers.Clase de inicializador. heNormal() función
• tf.initializers.Clase de inicializador. heUniform() función
• tf.initializers.Clase de inicializador. identidad() función
• tf.initializers.Clase de inicializador. función leCunNormal()
• tf.initializers.Clase de inicializador. función leCunUniform()
• tf.initializers.Clase de inicializador. función de unos()
• tf.initializers.Clase de inicializador. función ortogonal()
• tf.initializers.Clase de inicializador. función normal al azar()
• tf.initializers.Clase de inicializador. función uniforme al azar()
• tf.initializers.Clase de inicializador. función normal truncada()
• tf.initializers.Initializer class .varianceScaling() función
• tf.initializers.Clase de inicializador. función de ceros()

1. Función tf.initializers.Initializer clase .constant(): Se utiliza para generar los valores inicializados a alguna constante.

Ejemplo:

// Importing the tensorflow.js library
const tf = require("@tensorflow/tfjs")
 
// Use tf.initializers.constant() function
var initializer = tf.initializers.constant({ value: 7, })
 
// Print the value of constant
console.log(initializer);

Producción:

Constant { value: 7 }

2. Función tf.initializers.Initializer class .glorotNormal(): Extrae muestras de una distribución normal truncada que está centrada en 0 con stddev = sqrt(2 / (fan_in + fan_out)). Tenga en cuenta que fan_in es el número de entradas en el peso del tensor y fan_out es el número de salidas en el peso del tensor.

Ejemplo:

// Importing the tensorflow.js library
import * as tf from "@tensorflow/tfjs"
 
// Initializing the .initializers.glorotNormal() function
console.log(tf.initializers.glorotNormal(9));
 
// Printing Individual gainvalues
console.log('\nIndividual values:\n');
console.log(tf.initializers.glorotNormal(9).scale);
console.log(tf.initializers.glorotNormal(9).mode);
console.log(tf.initializers.glorotNormal(9).distribution);

Producción:

{
    "scale": 1,
    "mode": "fanAvg",
    "distribution": "normal"
}

Individual values:

1
fanAvg
normal

3. Función tf.initializers.Initializer class .glorotUniform(): se utiliza para extraer muestras de una distribución uniforme dentro de [-limit, limit] donde limit es sqrt(6 / (fan_in + fan_out)) donde fan_in es el número de unidades de entrada en el tensor de peso y fan out es el número de unidades de salida en el tensor de peso.

Ejemplo:

// Importing the tensorflow.Js library
import * as tf from "@tensorflow/tfjs"
 
// Initializing the .initializers.glorotUniform() function
const geek = tf.initializers.glorotUniform(7)
 
// Printing gain value
console.log(geek);
 
// Printing individual values from gain
console.log('\nIndividual values:\n');
console.log(geek.scale);
console.log(geek.mode);
console.log(geek.distribution);

Producción:

{
  "scale": 1,
  "mode": "fanAvg",
  "distribution": "uniform"
}

Individual values:

1
fanAvg
uniform

4. Función tf.initializers.Initializer class .heNormal(): se utiliza para extraer muestras de una distribución normal truncada centrada en cero con stddev = sqrt(2 / fanIn) dentro de [-limit, limit] donde, limit es sqrt( 6 / entrada_ventilador). Tenga en cuenta que fanIn es el número de entradas en el peso del tensor.

Ejemplo:

// Importing the tensorflow.js library
import * as tf from "@tensorflow/tfjs"
 
// Initializing the .initializers.heNormal()
// function
const geek = tf.initializers.heNormal(7)
 
// Printing gain
console.log(geek);
console.log('\nIndividual values:\n');
console.log(geek.scale);
console.log(geek.mode);
console.log(geek.distribution);

Producción:

{
  "scale": 2,
  "mode": "fanIn",
  "distribution": "normal"
}

Individual values:

2
fanIn
normal

5. Función tf.initializers.Initializer class .heUniform(): Extrae muestras de una distribución uniforme dentro de [-cap, cap] donde cap es sqrt(6 / fan_in). Tenga en cuenta que fanIn es el número de entradas en el peso del tensor.

Ejemplo:

// Importing the tensorflow.js library
import * as tf from "@tensorflow/tfjs"
 
// Initializing the .initializers.heUniform() function
const geek = tf.initializers.heUniform(7)
 
// Printing gain
console.log(geek);
console.log('\nIndividual values:\n');
console.log(geek.scale);
console.log(geek.mode);
console.log(geek.distribution);

Producción:

{
    "scale": 2,
    "mode": "fanIn",
    "distribution": "uniform"
}

Individual values:

2
fanIn
uniform

6. Función tf.initializers.Initializer class .identity(): Se utiliza para devolver un nuevo objeto tensor con una array identidad. Solo se usa para arrays 2D.

Ejemplo:

// Importing the tensorflow.Js library
import * as tf from "@tensorflow/tfjs"
 
// Generates the identity matrix
const value=tf.initializers.identity(1.0)
 
// Print gain
console.log(value)

Producción:

{
 "gain": 1
}

7. Función tf.initializers.Initializer class .leCunNormal(): Se utiliza para extraer muestras de una distribución normal truncada que está centrada en cero con stddev = sqrt(1 / fanIn). Tenga en cuenta que fanIn es el número de entradas en el peso del tensor.

Ejemplo:

// Importing the tensorflow.Js library
import * as tf from "@tensorflow/tfjs"
 
// Initializing the .initializers.leCunNormal() function
const geek = tf.initializers.leCunNormal(3)
 
// Printing gain
console.log(geek);
console.log('\nIndividual values:\n');
console.log(geek.scale);
console.log(geek.mode);
console.log(geek.distribution);

Producción:

{
    "scale": 1,
    "mode": "fanIn",
    "distribution": "normal"
}

Individual values:

1
fanIn
normal

8. Función tf.initializers.Initializer class .leCunUniform(): Toma muestras de una distribución uniforme en el intervalo [-cap, cap] con cap = sqrt(3/fanIn). Tenga en cuenta que fanIn es el número de entradas en el peso del tensor.

Ejemplo:

// Importing the tensorflow.Js library
import * as tf from "@tensorflow/tfjs"
 
// Initialising the .initializers.leCunUniform() function
console.log(tf.initializers.leCunUniform(4));
 
// Printing individual values from the gain
console.log("\nIndividual Values\n");
console.log(tf.initializers.leCunUniform(4).scale);
console.log(tf.initializers.leCunUniform(4).mode);
console.log(tf.initializers.leCunUniform(4).distribution);

Producción:

{
  "scale": 1,
  "mode": "fanIn",
  "distribution": "uniform"
}

Individual Values

1
fanIn
uniform

9. Función tf.initializers.Initializer class .ones(): se utiliza para crear un tensor con todos los elementos establecidos en 1, o inicializa el tensor con el valor 1.

Ejemplo:

//import tensorflow.js
const tf=require("@tensorflow/tfjs")
 
//use tf.ones()
var GFG=tf.ones([3, 4]);
 
//print tensor
GFG.print()

Producción:

Tensor
   [[1, 1, 1, 1],
    [1, 1, 1, 1],
    [1, 1, 1, 1]]

10. Función tf.initializers.Initializer clase .orthogonal(): Produce una array ortogonal aleatoria.

Ejemplo:

// Importing the tensorflow.js library
import * as tf from "@tensorflow/tfjs"
 
// Initializing the .initializers.orthogonal() function
let geek = tf.initializers.orthogonal(2)
 
// Printing gain value
console.log(geek);
 
// Printing individual gain value
console.log('\nIndividual values:\n');
console.log(geek.DEFAULT_GAIN);
console.log(geek.gain);

Producción:

{
  "DEFAULT_GAIN": 1,
  "gain": 1
}

Individual values:

1
1

11. Función tf.initializers.Initializer class .randomNormal(): se utiliza para producir valores aleatorios que se inicializan en una distribución normal.

Ejemplo:

// Importing the tensorflow.js library
import * as tf from "@tensorflow/tfjs"
 
// Initializing the .initializers.randomNormal() function
let geek = tf.initializers.randomNormal(3)
 
// Printing gain value
console.log(geek);
 
// Printing individual gain value.
console.log('\nIndividual values:\n');
console.log(geek.DEFAULT_MEAN);
console.log(geek.DEFAULT_STDDEV);
console.log(geek.mean);
console.log(geek.stddev);

Producción:

{
  "DEFAULT_MEAN": 0,
  "DEFAULT_STDDEV": 0.05,
  "mean": 0,
  "stddev": 0.05
}

Individual values:

0
0.05
0
0.05

12. Función tf.initializers.Initializer class .randomUniform(): se utiliza para generar valores aleatorios que se inicializan en una distribución uniforme. Los valores se distribuyen uniformemente entre el valor mínimo y el valor máximo configurados.

Ejemplo:

// Importing the tensorflow.js library
import * as tf from "@tensorflow/tfjs"
 
// Initializing the .initializers.randomUniform() function
let geek = tf.initializers.randomUniform(5)
 
// Printing gain value
console.log(geek);
 
// Printing individual gain value.
console.log('\nIndividual values:\n');
console.log(geek.DEFAULT_MINVAL);
console.log(geek.DEFAULT_MAXVAL);
console.log(geek.minval);
console.log(geek.maxval);

Producción:

{
  "DEFAULT_MINVAL": -0.05,
  "DEFAULT_MAXVAL": 0.05,
  "minval": -0.05,
  "maxval": 0.05
}

Individual values:

-0.05
0.05
-0.05
0.05

13. tf.initializers.Initializer class .truncatedNormal(): Su función produce valores aleatorios inicializados a una distribución normal truncada.

Ejemplo:

// Importing the tensorflow.js library
import * as tf from "@tensorflow/tfjs"
 
// Initializing the .initializers.truncatedNormal()
// function
let geek = tf.initializers.truncatedNormal(13)
 
// Printing gain value
console.log(geek);
 
// Printing individual gain value
console.log('\nIndividual values:\n');
console.log(geek.DEFAULT_MEAN);
console.log(geek.DEFAULT_STDDEV);
console.log(geek.mean);
console.log(geek.stddev);

Producción:

{
  "DEFAULT_MEAN": 0,
  "DEFAULT_STDDEV": 0.05,
  "mean": 0,
  "stddev": 0.05
}

Individual values:

0
0.05
0
0.05

14. Función tf.initializers.Initializer class .varianceScaling(): Es capaz de ajustar su escala a la forma de pesos. Usando el valor de distribución = NORMAL, las muestras se extraen de una distribución normal truncada que tiene el centro en 0, con stddev = sqrt (escala / n).

Ejemplo:

// Importing the tensorflow.js library
import * as tf from "@tensorflow/tfjs"
 
// Initializing the .initializers.varianceScaling()
// function
let geek = tf.initializers.varianceScaling(33)
 
// Printing gain value
console.log(geek);
 
// Printing individual gain value.
console.log('\nIndividual values:\n');
console.log(geek.scale);
console.log(geek.mode);
console.log(geek.distribution);

Producción:

{
  "scale": 1,
  "mode": "fanIn",
  "distribution": "normal"
}

Individual values:

1
fanIn
normal

15. Función tf.initializers.Initializer clase .zeros(): Es un inicializador que se utiliza para producir tensores que se inicializan a cero.

Ejemplo:

// Importing the tensorflow.Js library
import * as tf from "@tensorflow/tfjs"
 
// Calling tf.initializers.zeros() function
const initializer = tf.initializers.zeros();
 
// Printing output
console.log(JSON.stringify(+initializer));

Producción:

null

Referencia: https://js.tensorflow.org/api/latest/#class:initializers.Initializer