Tensorflow.js tf.logSumExp()用法及代码示例

Tensorflow.js是Google开发的开源库，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。

tf.logSumExp()函数用于计算张量在其整个维度上的对数和exp。它沿轴的尺寸减少了给定的输入元素。如果参数“keepDims”为true，则减小的尺寸保留为长度1，否则张量的等级减小1。如果axes参数没有条目，则它返回具有所有减小尺寸的单个元素的张量。

用法:

tf.logSumExp (x, axis, keepDims)

参数：此函数接受三个参数，如下所示：

x:输入张量。
axis:指定要减小的尺寸。默认情况下，它会缩小所有尺寸。它是可选参数。
keepDims:如果此参数值为true，它将保留长度为1的缩小尺寸，否则Tensor的等级减小1。这也是可选参数。

返回值：它返回对数和运算操作的计算值的张量。

范例1：

Javascript


// Importing the tensorflow.js library
import * as tf from "@tensorflow/tfjs"
  
// Initializing a some tensors 
const a = tf.tensor1d([0, 1]);
const b = tf.tensor1d([3, 5]);
const c = tf.tensor1d([2, 4, 7]);
  
// Calling the .logSumExp() function over 
// the above tensors
a.logSumExp().print();
b.logSumExp().print();
c.logSumExp().print();

输出：

Tensor
   1.31326162815094
Tensor
   5.126927852630615
Tensor
   7.054985046386719

范例2：

Javascript


// Importing the tensorflow.js library
import * as tf from "@tensorflow/tfjs"
  
// Initializing a some tensors 
const a = tf.tensor1d([0, 1]);
const b = tf.tensor2d([3, 5, 2, 8], [2, 2]);
const c = tf.tensor1d([2, 4, 7]);
  
// Initializing a axis parameters
const axis1 = -1;
const axis2 = -2;
const axis3 = 0;
  
// Calling the .logSumExp() function over 
// the above tensors
a.logSumExp(axis1).print();
b.logSumExp(axis2, true).print();
c.logSumExp(axis1, false).print();
b.logSumExp(axis3, false).print();

输出：

Tensor
   1.31326162815094
Tensor
    [[3.3132617, 8.0485878],]
Tensor
   7.054985046386719
Tensor
   [3.3132617, 8.0485878]

参考：https://js.tensorflow.org/api/latest/#logSumExp

相关用法

注：本文由纯净天空筛选整理自Kanchan_Ray大神的英文原创作品 Tensorflow.js tf.logSumExp() 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。