Tensorflow.js tf.initializers.heUniform()用法及代碼示例

Tensorflow.js是Google開發的開源庫，用於在瀏覽器或節點環境中運行機器學習模型和深度學習神經網絡。它還可以幫助開發人員使用JavaScript語言開發ML模型，並可以直接在瀏覽器或Node.js中使用ML。

tf.initializers.heUniform() 函數從 [-cap, cap] 內的均勻分布中抽取樣本，其中 cap 是 sqrt(6 /fan_in)。請注意，fanIn 是張量權重中的輸入數量。

用法:

tf.initializers.heUniform(arguments)

參數：

arguments:它是一個包含種子(一個數字)的對象，它是隨機數生成器的種子/數字。

返回值：它返回 tf.initializers.Initializer

範例1：

Javascript


// Importing the tensorflow.js library
import * as tf from "@tensorflow/tfjs"
 
// Initializing the .initializers.heUniform() function
const geek = tf.initializers.heUniform(7)
 
// Printing gain
console.log(geek);
console.log('\nIndividual values:\n');
console.log(geek.scale);
console.log(geek.mode);
console.log(geek.distribution);

輸出：

{
    "scale":2,
    "mode":"fanIn",
    "distribution":"uniform"
}

Individual values:

2
fanIn
uniform

範例2：

Javascript


// Importing the tensorflow.Js lbrary
import * as tf from "@tensorflow/tfjs
 
// Defining the input value
const inputValue = tf.input({shape:[4]});
 
// Initializing tf.initializers.heUniform() function
const funcValue = tf.initializers.heUniform(4)
 
// Creating dense layer 1
const dense_layer_1 = tf.layers.dense({
    units:6,
    activation:'relu',
    kernelInitialize:funcValue
});
 
// Creating dense layer 2
const dense_layer_2 = tf.layers.dense({
    units:8,
    activation:'softmax'
});
 
// Output
const outputValue = dense_layer_2.apply(
  dense_layer_1.apply(inputValue)
);
 
// Creation the model.
const model = tf.model({
    inputs:inputValue,
    outputs:outputValue
});
 
// Predicting the output.
model.predict(tf.ones([2, 4])).print();

輸出：

Tensor
   [[0.2727611, 0.1405532, 0.0409708, 0.1262356, 
        0.1215546, 0.134949, 0.0845761, 0.0783997],
    [0.2727611, 0.1405532, 0.0409708, 0.1262356, 
        0.1215546, 0.134949, 0.0845761, 0.0783997]]

參考：https://js.tensorflow.org/api/latest/#initializers.heUniform

相關用法

注：本文由純淨天空篩選整理自cyber_psych0大神的英文原創作品 Tensorflow.js tf.initializers.heUniform() Function。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。