Tensorflow.js tf.regularizers.l2()用法及代码示例

Tensorflow.js 中的正则化器附有模型的各种组件，这些组件与评分函数一起工作以帮助驱动可训练的值、大值。 tf.regularizers.l2() 方法继承自regularizers 类。 tf.regularizers.l2() 方法在模型训练的惩罚情况下应用 l2 正则化。这种方法在损失中增加了一项以对大权重进行惩罚。它增加了 Loss+=sum(l2 * x^2) 损失。所以在这篇文章中，我们将看到 tf.regularizers.l2() 函数是如何工作的。

用法:

tf.regularizers.l2 (args);

参数：

• l2:数字表示正则化率，默认为 0.01。

返回：正则化器

范例1：在这个例子中，我们将看到单独使用 l2 正则化器应用于核权重矩阵。

// Importing the tensorflow.js library
const tf = require("@tensorflow/tfjs");
  
// Define sequential model
const model = tf.sequential();
  
// Add layer to it
model.add(tf.layers.dense({
    units:32, batchInputShape:[null,50],
    kernelRegularizer:tf.regularizers.l2()
}));
  
// Model summary
model.summary();

输出：

Layer (type)                 Output shape              Param #   
=================================================================
dense_Dense1 (Dense)         [null,32]                 1632      
=================================================================
Total params:1632
Trainable params:1632
Non-trainable params:0

范例2：在这个例子中，我们将看到应用于偏置向量的 l2 正则化器的独立使用。

// Importing the tensorflow.js library
const tf = require("@tensorflow/tfjs");
  
// Define sequential model
const model = tf.sequential();
  
// Add layer to it
model.add(tf.layers.dense({
    units:32, batchInputShape:[null,50],
    biasRegularizer:tf.regularizers.l2()
}));
  
// Model summary
model.summary();

输出：

Layer (type)                 Output shape              Param #    
=================================================================
dense_Dense2 (Dense)         [null,32]                 1632      
=================================================================
Total params:1632
Trainable params:1632
Non-trainable params:0

参考文献：https://js.tensorflow.org/api/latest/#regularizers.l2