Tensorflow.js tf.layers.activation()用法及代码示例

简介：Tensorflow.js 是谷歌开发的一个开源库，用于在浏览器或节点环境中运行机器学习模型和深度学习神经网络。 Tensorflow.js tf.layers.activation() 函数用于将函数应用于我们输入层的所有元素。我们还可以将函数应用于具有密集层的输入数据。

用法：

tf.layers.activation(args);

参数：下面是这个函数接受的参数：

args:它是具有字段的对象类型：
- activation:它是应用于所有输入元素的函数的名称。
- inputShape:它是模型输入层的形状。它用于创建输入层。
- batchInputShape:它用于制作输入层。它为输入层中的样本定义了批次的形状。
- batchSize: 它用于制作输入层。在构建输入层时作为batchInputShape的补充。
- dtype:它定义了层的数据类型。它用于模型的第一层。
- name:它声明输入层名称的字符串。
- trainable:它声明该层是否可由函数训练。它是布尔数据类型。
- weight:张量是层的初始数据。
- inputDType:它是层中输入数据的数据类型。

返回值：激活

以下是此函数的一些示例：

范例1：在这个例子中，我们将制作激活层并检查返回值。

Javascript


import * as tf from "@tensorflow/tfjs"
  
// Creatomg config for the activation layer
const config = {
    activation:'sigmoid',
    inpurShape:5,
    dtype:'int32',
    name:'activationLayer'
};
  
// Defining the activation layer 
const activationLayer = tf.layers.activation(config);
  
// printing return of activation layer 
console.log(activationLayer);

输出：

{
  "_callHook":null,
  "_addedWeightNames":[],
  "_stateful":false,
  "id":38,
  "activityRegularizer":null,
  "inputSpec":null,
  "supportsMasking":true,
  "_trainableWeights":[],
  "_nonTrainableWeights":[],
  "_losses":[],
  "_updates":[],
  "_built":false,
  "inboundNodes":[],
  "outboundNodes":[],
  "name":"ActivationLayer",
  "trainable_":true,
  "initialWeights":null,
  "_refCount":null,
  "fastWeightInitDuringBuild":false,
  "activation":{}
}

范例2：在这个例子中，我们将使用一些配置创建我们的激活层，并使用激活层训练我们的输入数据。

Javascript


import * as tf from "@tensorflow/tfjs"
  
// Configuration file for the activation layer 
const geek_config = {
    activation:'sigmoid',
    inpurShape:5,
    dtype:'int32',
    name:'activationLayer'
};
  
const geek_activation = tf.layers.activation(geek_config);
const geek_inputLayer = tf.layers.dense({units:1});
  
// Our Input layer for the model
const geek_input = tf.input({shape:[7]});
  
// Making structure for the model 
const geek_output = geek_inputLayer.apply(geek_input);
const geek_result = geek_activation.apply(geek_output);
  
// Making Model from struncture  
const config2 = {inputs:geek_input, outputs:geek_result}
const model = tf.model(config2);
  
// Collect both outputs and print separately.
const config3 = tf.randomUniform([4, 7])
const  geek_activationResult = model.predict(confg3);
geek_activationResult.print();

输出：

Tensor
    [[0.4178988],
     [0.2027801],
     [0.2813435],
     [0.2546847]]

参考：https://js.tensorflow.org/api/latest/#layers.activation

相关用法

注：本文由纯净天空筛选整理自satyam00so大神的英文原创作品 Tensorflow.js tf.layers.activation() Function。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。