Tensorflow.js es un conjunto de herramientas de código abierto desarrollado por Google para ejecutar modelos de aprendizaje automático y redes neuronales de aprendizaje profundo en el navegador o en la plataforma del Node. También permite a los desarrolladores crear modelos de aprendizaje automático en JavaScript y utilizarlos directamente en el navegador o con Node.js.
La función tf.layers.spatialDropout1d() se usa para aplicar la versión 1D espacial de la operación de abandono en los datos.
Sintaxis:
tf.layers.spatialDropout1d(args)
Forma de entrada: arbitraria. Cuando utilice esta capa como capa inicial en un modelo, use la configuración inputShape.
Forma de salida: la salida tiene la misma forma que la entrada.
Parámetros: Acepta el objeto args el cual puede tener las siguientes propiedades:
- tasa (número): un valor flotante entre 0 y 1. La fracción de unidades de entrada que se eliminarán.
- semilla (número): un número entero que se utilizará como semilla aleatoria.
- inputShape: si se establece esta propiedad, se utilizará para construir una capa de entrada que se insertará antes de esta capa.
- batchInputShape: si se establece esta propiedad, se creará e insertará una capa de entrada antes de esta capa.
- batchSize: si no se proporciona batchInputShape y sí inputShape, se utiliza batchSize para crear el batchInputShape.
- dtype: Es el tipo de tipo de datos para esta capa. float32 es el valor predeterminado. Este parámetro se aplica exclusivamente a las capas de entrada.
- nombre: Este es el nombre de la capa y es de tipo string.
- entrenable: si los pesos de esta capa se pueden cambiar por ajuste. Verdadero es el valor predeterminado.
- pesos: Los valores de peso iniciales de la capa.
Devoluciones: Devuelve un objeto (SpatialDropout1D).
Ejemplo 1:
Javascript
import * as tf from "@tensorflow/tfjs"; const model = tf.sequential({ layers: [tf.layers.dense({ units: 1, inputShape: [10, 2] })], }); model.add(tf.layers.spatialDropout1d({ rate: 0.25 })); model.compile( { optimizer: "sgd", loss: "meanAbsoluteError" }, ); const result = model.evaluate( tf.ones([8, 10, 2]), tf.ones([8, 10, 1]), { batchSize: 4, }); result.print();
Producción:
Tensor 1.1040260791778564
Ejemplo 2:
Javascript
import * as tf from "@tensorflow/tfjs"; const model = tf.sequential({ layers: [tf.layers.dense({ units: 1, inputShape: [5, 5] })], }); model.add(tf.layers.spatialDropout1d({ rate: 0.5, seed: 146 })); model.compile({ optimizer: "adam", loss: "meanSquaredError" }); const result = model.evaluate( tf.ones([4, 5, 5]), tf.ones([4, 5, 1]), { batchSize: 2, }); result.print();
Producción:
Tensor 7.158995151519775
Referencia: https://js.tensorflow.org/api/latest/#layers.spatialDropout1d
Publicación traducida automáticamente
Artículo escrito por aayushmohansinha y traducido por Barcelona Geeks. The original can be accessed here. Licence: CCBY-SA