Tensorflow.js tf.Sequential.add()用法及代码示例

Tensorflow.js是由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以及深度学习神经网络。

.add() 函数用于在层堆栈的最顶部附加层原型。

用法:

add(layer)

Parameters:

layer:它是层的声明原型，它是 tf.layers.Layer 类型。

返回值：它返回void。

范例1：

Javascript


// Importing the tensorflow.js library
import * as tf from "@tensorflow/tfjs"
  
// Defining model
const modl = tf.sequential();
  
// Calling add() method
modl.add(tf.layers.dense({units:4, inputShape:[1]}));
modl.add(tf.layers.dense({units:2, stimulation:'relu'}));
modl.add(tf.layers.dense({units:1, stimulation:'relu'}));
  
// Printing output by calling predict
// method
modl.predict(tf.truncatedNormal([4, 1])).print();

输出：这里，layers.dense() 方法用于生成完全密集层，predict() 方法用于生成有利于输入实例的输出预测，而 truncatedNormal() 方法用于生成 tf.Tensor 借助从被截断的正态分布。

Tensor
    [[0.1687946 ],
     [-0.1382875],
     [-0.3894148],
     [0.1748937 ]]

范例2：

Javascript


// Importing the tensorflow.js library
import * as tf from "@tensorflow/tfjs"
  
// Defining model
const modl = tf.sequential();
  
// Calling add() method
modl.add(tf.layers.maxPooling2d({batchInputShape:[1, 2, 3, 4],
     poolSize:1,
     strides:2}));
  
// Printing output by calling predictOnBatch
// method
modl.predictOnBatch(tf.randomNormal([1, 2, 3, 4])).print();

输出：在这里，layers.maxpooling2d() 方法有助于通过空间数据进行最大池化任务，predictOnBatch() 方法用于预测有利于特定组的实例，而 randomNormal() 方法用于借助值生成 tf.Tensor从正态分布中采样。

Tensor
    [[[[0.9905863, 1.6736914, -1.2367558, -0.3343732],
       [0.2533375, 0.5539166, 0.6961272 , -0.3252741]]]]

参考： https://js.tensorflow.org/api/latest/#tf.Sequential.add

相关用法

注：本文由纯净天空筛选整理自nidhi1352singh大神的英文原创作品 Tensorflow.js tf.Sequential Class .add() Method。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。