Python Tensorflow nn.tanh()用法及代碼示例

Tensorflow是Google開發的開源機器學習庫。它的應用之一是開發深度神經網絡。

模塊tensorflow.nn為許多基本的神經網絡操作提供支持。

許多激活函數之一是雙曲正切函數(也稱為tanh)，其定義為 $tanh(x) = (e^z - e^{-z}) / (e^z + e^{-z})$ 。

雙曲正切函數的輸出範圍為(-1，1)，因此將強負輸入映射為負值。與S型函數不同，隻有near-zero值映射到near-zero輸出，這在某種程度上解決了“vanishing gradients”問題。雙曲正切函數在每個點都是微分的，其導數為。由於表達式包含tanh函數，因此可以重用其值以使向後傳播更快。

盡管與S形函數相比，網絡獲得“stuck”的機會較低，但是雙曲正切函數仍然受到“vanishing gradients”的影響。整流線性單元(ReLU)可用於克服此問題。

函數tf.nn.tanh()[別名tf.tanh]為Tensorflow中的雙曲正切函數提供支持。

用法:tf.nn.tanh(x, name=None) or tf.tanh(x, name=None)

參數：
x：以下任何類型的張量：float16，float32，double，complex64或complex128。
name(可選)：操作的名稱。

Return ：與x具有相同類型的張量。

代碼1：

# Importing the Tensorflow library 
import tensorflow as tf 
  
# A constant vector of size 6 
a = tf.constant([1.0, -0.5, 3.4, -2.1, 0.0, -6.5], dtype = tf.float32) 
  
# Applying the tanh function and 
# storing the result in 'b' 
b = tf.nn.tanh(a, name ='tanh') 
  
# Initiating a Tensorflow session 
with tf.Session() as sess:
    print('Input type:', a) 
    print('Input:', sess.run(a)) 
    print('Return type:', b) 
    print('Output:', sess.run(b))

輸出：

Input type:Tensor("Const_2:0", shape=(6, ), dtype=float32)
Input:[ 1.        -0.5        3.4000001 -2.0999999  0.        -6.5      ]
Return type:Tensor("tanh_2:0", shape=(6, ), dtype=float32)
Output:[ 0.76159418 -0.46211717  0.9977749  -0.97045201  0.         -0.99999547]

代碼2：可視化

# Importing the Tensorflow library 
import tensorflow as tf 
  
# Importing the NumPy library 
import numpy as np 
  
# Importing the matplotlib.pylot function 
import matplotlib.pyplot as plt 
  
# A vector of size 15 with values from -5 to 5 
a = np.linspace(-5, 5, 15) 
  
# Applying the tanh function and 
# storing the result in 'b' 
b = tf.nn.tanh(a, name ='tanh') 
  
# Initiating a Tensorflow session 
with tf.Session() as sess:
    print('Input:', a) 
    print('Output:', sess.run(b)) 
    plt.plot(a, sess.run(b), color = 'red', marker = "o")  
    plt.title("tensorflow.nn.tanh")  
    plt.xlabel("X")  
    plt.ylabel("Y")  
  
    plt.show()

輸出：

Input:[-5.         -4.28571429 -3.57142857 -2.85714286 -2.14285714 -1.42857143
 -0.71428571  0.          0.71428571  1.42857143  2.14285714  2.85714286
  3.57142857  4.28571429  5.        ]
Output:[-0.9999092  -0.99962119 -0.99842027 -0.99342468 -0.97284617 -0.89137347
 -0.61335726  0.          0.61335726  0.89137347  0.97284617  0.99342468
  0.99842027  0.99962119  0.9999092 ]

相關用法

注：本文由純淨天空篩選整理自vaibhav29498大神的英文原創作品 Python | Tensorflow nn.tanh()。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。