Tensorflow.js tf.initializers.leCunNormal()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.leCunNormal() 函數從以零為中心且 stddev = sqrt(1 /fanIn) 的截斷正態分布中提取樣本。請注意，fanIn 是張量權重中的輸入數量。

用法:

tf.initializers.leCunNormal(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.leCunNormal() function
const geek = tf.initializers.leCunNormal(3)
 
// 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":1,
    "mode":"fanIn",
    "distribution":"normal"
}

Individual values:

1
fanIn
normal

範例2：

Javascript


// Importing the tensorflow.Js library
import * as tf from "@tensorflow/tfjs"
 
// Defining the input value
let inputValue = tf.input({ shape:[4] });
 
// Initializing tf.initializers.leCunNormal()
// function
let funcValue = tf.initializers.leCunNormal(7)
 
// Creating dense layer 1
let dense_layer_1 = tf.layers.dense({
    units:5,
    activation:'relu',
    kernelInitialize:funcValue
});
 
// Creating dense layer 2
let dense_layer_2 = tf.layers.dense({
    units:7,
    activation:'softmax'
});
 
// Output
let outputValue = dense_layer_2.apply(
    dense_layer_1.apply(inputValue)
);
 
// Creation the model.
let model = tf.model({
    inputs:inputValue,
    outputs:outputValue
});
 
// Predicting the output
let finalOutput = model.predict(tf.ones([2, 4]));
finalOutput.print();

輸出：

Tensor
    [[0.0666204, 0.1171203, 0.2322821, 0.1056982, 
            0.2149536, 0.1846998, 0.0786256],
     [0.0666204, 0.1171203, 0.2322821, 0.1056982, 
            0.2149536, 0.1846998, 0.0786256]]

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

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.leCunNormal() 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。