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

Tensorflow.js是Google開發的開源工具包，用於在瀏覽器或節點平台上執行機器學習模型和深度學習神經網絡。它還使開發人員能夠在 JavaScript 中創建機器學習模型，並直接在瀏覽器中或通過 Node.js 使用它們。

tf.layers.prelu() 函數用於對數據應用泄漏修正線性單元激活函數的參數化版本。

用法:

tf.layers.prelu(args?)

輸入形狀：任意。當使用該層作為模型中的初始層時，請使用 inputShape 配置。

輸出形狀：輸出與輸入具有相同的形狀。

參數：它接受 args 對象，該對象可以具有以下屬性：

• args:它是一個包含以下屬性的對象：
  • alphaInitializer:可學習 alpha 的初始值設定項。
  • alphaRegularizer:對於可學習的 alpha，這是正則化器。
  • alphaConstraint:對於可學習的阿爾法來說，這就是限製。
  • sharedAxes:激活函數的可學習參數應共享的軸
  • inputShape:如果設置了此屬性，它將用於構造一個輸入層，該輸入層將插入到該層之前。
  • batchInputShape:如果設置了此屬性，將創建一個輸入層並將其插入到該層之前。
  • batchSize:如果未提供batchInputShape而提供了inputShape，則使用batchSize來構建batchInputShape。
  • dtype:這是該層的數據類型。 float32 是默認值。該參數僅適用於輸入層。
  • name:這是圖層的名稱，是字符串類型。
  • trainable:如果該層的權重可以通過擬合來改變。 True 是默認值。
  • weights:圖層的初始權重值。

返回：它返回一個對象(PReLU)。

示例 1：

import * as tf from "@tensorflow/tfjs"; 
  
const pReLULayer = tf.layers.prelu({ 
    alphaInitializer: 'glorotUniform'
}); 
      
const x = tf.tensor([11, -8, -9, 12]); 
  
pReLULayer.apply(x).print();

輸出：

Tensor
   [11, -6.450459, -7.2567663, 12]

示例 2：

import * as tf from "@tensorflow/tfjs"; 
  
const pReLULayer = tf.layers.prelu({ 
    alphaInitializer: 'glorotUniform'
}); 
      
const x = tf.tensor([1.12, -0.8, 1.9,  
    0.12, 0.25, -3.4], [2, 3]); 
  
pReLULayer.apply(x).print();

輸出：

Tensor
   [[1.12, 0.5329878, 1.9       ],
    [0.12, 0.25     , -3.0655782]]

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