Tensorflow.js tf.Sequential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。

Tensorflow.js tf.Sequential 类是堆栈形式的层集合的模型。这些层连接到各自的相邻层。我们使用 tf.Sequential() 函数创建 tf.Sequential 类实例。 tf.Sequential 类有许多用于在实例中应用的方法。

句法：

Sequential_instance.method(args);

参数：该方法接受以下参数：

args: 这取决于方法。不同的方法接受不同的参数。

返回值：不同的方法返回不同的返回值tf.Tensor对象等

示例 1：在此示例中，我们将看到 add() 方法，该方法用于在图层顶部添加图层。它以layer为参数并返回void。

Javascript


import * as tf from "@tensorflow/tfjs"
// Importing the tensorflow.js library
const tf = require("@tensorflow/tfjs")
async function run() {
    // Creating Instance 
    const gfg_Instance = tf.sequential();
    // Adding first Layer 
    const Layer1 = tf.layers.dense({ units: 6, inputShape: [2] });
    gfg_Instance.add(Layer1);
    // Adding second layer 
    const layer2 = tf.layers.dense({ units: 3, activation: 'sigmoid' })
    gfg_Instance.add(layer2);
    // Adding third layer
    const layer3 = tf.layers.dense({ units: 2, activation: 'sigmoid' })
    gfg_Instance.add(layer3);
    // Predicting data with layer model.
    const random = tf.randomNormal([4, 2]);
    gfg_Instance.predict(random).print();
}
// Function call
run();

输出：

Tensor
    [[0.5581576, 0.3110509],
     [0.546664 , 0.3369413],
     [0.5634928, 0.2920811],
     [0.5309308, 0.3545613]]

示例 2：在此示例中，我们将看到summary()方法，用于打印图层实例的摘要。它采用行长度(摘要的自定义长度)和位置(摘要列的宽度)，最后使用打印函数(用于自定义摘要的输出)。它返回无效。

Javascript


// Importing the tensorflow.js library
const tf = require("@tensorflow/tfjs")
async function run() {
    // Creating Instance 
    const gfg_Instance = tf.sequential();
    // Adding first Layer 
    const Layer1 = tf.layers.dense({ units: 6, inputShape: [2] });
    gfg_Instance.add(Layer1);
     
    // Adding second layer 
    const layer2 = tf.layers.dense({ units: 3, activation: 'sigmoid' })
    gfg_Instance.add(layer2);
     
    // Adding third layer
    const layer3 = tf.layers.dense({ units: 2, activation: 'sigmoid' })
    gfg_Instance.add(layer3);
     
    // Printing summary of layer model 
    gfg_Instance.summary();
}
// Function call
run();

输出：

_________________________________________________________________
Layer (type)                 Output shape              Param #   
=================================================================
dense_Dense34 (Dense)        [null,6]                  18        
_________________________________________________________________
dense_Dense35 (Dense)        [null,3]                  21        
_________________________________________________________________
dense_Dense36 (Dense)        [null,2]                  8         
=================================================================
Total params: 47
Trainable params: 47
Non-trainable params: 0
_________________________________________________________________

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

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.Sequential Class。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。