Tensorflow.js tf.layers.activation()用法及代碼示例

簡介：Tensorflow.js 是穀歌開發的一個開源庫，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。 Tensorflow.js tf.layers.activation() 函數用於將函數應用於我們輸入層的所有元素。我們還可以將函數應用於具有密集層的輸入數據。

用法：

tf.layers.activation(args);

參數：下麵是這個函數接受的參數：

args:它是具有字段的對象類型：
- activation:它是應用於所有輸入元素的函數的名稱。
- inputShape:它是模型輸入層的形狀。它用於創建輸入層。
- batchInputShape:它用於製作輸入層。它為輸入層中的樣本定義了批次的形狀。
- batchSize: 它用於製作輸入層。在構建輸入層時作為batchInputShape的補充。
- dtype:它定義了層的數據類型。它用於模型的第一層。
- name:它聲明輸入層名稱的字符串。
- trainable:它聲明該層是否可由函數訓練。它是布爾數據類型。
- weight:張量是層的初始數據。
- inputDType:它是層中輸入數據的數據類型。

返回值：激活

以下是此函數的一些示例：

範例1：在這個例子中，我們將製作激活層並檢查返回值。

Javascript


import * as tf from "@tensorflow/tfjs"
  
// Creatomg config for the activation layer
const config = {
    activation:'sigmoid',
    inpurShape:5,
    dtype:'int32',
    name:'activationLayer'
};
  
// Defining the activation layer 
const activationLayer = tf.layers.activation(config);
  
// printing return of activation layer 
console.log(activationLayer);

輸出：

{
  "_callHook":null,
  "_addedWeightNames":[],
  "_stateful":false,
  "id":38,
  "activityRegularizer":null,
  "inputSpec":null,
  "supportsMasking":true,
  "_trainableWeights":[],
  "_nonTrainableWeights":[],
  "_losses":[],
  "_updates":[],
  "_built":false,
  "inboundNodes":[],
  "outboundNodes":[],
  "name":"ActivationLayer",
  "trainable_":true,
  "initialWeights":null,
  "_refCount":null,
  "fastWeightInitDuringBuild":false,
  "activation":{}
}

範例2：在這個例子中，我們將使用一些配置創建我們的激活層，並使用激活層訓練我們的輸入數據。

Javascript


import * as tf from "@tensorflow/tfjs"
  
// Configuration file for the activation layer 
const geek_config = {
    activation:'sigmoid',
    inpurShape:5,
    dtype:'int32',
    name:'activationLayer'
};
  
const geek_activation = tf.layers.activation(geek_config);
const geek_inputLayer = tf.layers.dense({units:1});
  
// Our Input layer for the model
const geek_input = tf.input({shape:[7]});
  
// Making structure for the model 
const geek_output = geek_inputLayer.apply(geek_input);
const geek_result = geek_activation.apply(geek_output);
  
// Making Model from struncture  
const config2 = {inputs:geek_input, outputs:geek_result}
const model = tf.model(config2);
  
// Collect both outputs and print separately.
const config3 = tf.randomUniform([4, 7])
const  geek_activationResult = model.predict(confg3);
geek_activationResult.print();

輸出：

Tensor
    [[0.4178988],
     [0.2027801],
     [0.2813435],
     [0.2546847]]

參考：https://js.tensorflow.org/api/latest/#layers.activation

相關用法

注：本文由純淨天空篩選整理自satyam00so大神的英文原創作品 Tensorflow.js tf.layers.activation() 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。