Tensorflow.js tf.losses.cosineDistance()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.losses.cosineDistance() 函数用于计算两个张量之间的余弦距离损失。

用法:

tf.losses.cosineDistance(labels, predictions, 
        axis, weights?, reduction?)

参数：该函数接受五个参数，其中最后两个是可选的，如下图所示：

labels:地面实况输出张量。维度将与预测相同。
predictions:预测的输出。
axis:余弦距离是沿着这个维度计算的。
weights:它是一个秩为 0 或与标签相同的张量，并且它必须可广播到标签，这意味着所有维度必须为 1，或与相应的损失维度相同。该参数是可选的。
reduction:适用于损失的减少类型。这也是一个可选参数。

返回值：它返回一个张量，它是两个张量之间的余弦距离损失。

范例1：

Javascript


// Importing the tensorflow.Js lbrary
import * as tf from "@tensorflow/tfjs"
  
// Creating labels tensor
const a = tf.tensor2d([[1, 4, 5], [5, 5, 7]]);
  
// Creating predictions tensor
const b = tf.tensor2d([[3, 2, 5], [3, 2, 7]])
  
// Computing cosine distance
cosine = tf.losses.cosineDistance(a, b)
cosine.print();

输出：

Tensor
    -109

范例2：在这个例子中，我们将传递一个额外的参数，即重量。这是一个可选参数。

Javascript


// Importing the tensorflow.Js lbrary
import * as tf from "@tensorflow/tfjs"
  
// Creating labels tensor
const a = tf.tensor2d([
    [1, 4, 5, 5, 5, 7],
    [4, 7, 6, 8, 9, 4]
]);
  
// Creating predictions tensor
const b = tf.tensor2d([
    [3, 2, 5, 3, 2, 7],
    [3, 5, 7, 2, 4, 5]
]);
  
// Computing cosine distance
cosine = tf.losses.cosineDistance(a, b , 1)
cosine.print();

输出：

Tensor
   -134.5

参考： https://js.tensorflow.org/api/latest/#losses.cosineDistance

相关用法

注：本文由纯净天空筛选整理自kapilm180265ca大神的英文原创作品 Tensorflow.js tf.losses.cosineDistance() 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。