Tensorflow.js tf.logSumExp()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。

tf.logSumExp()函數用於計算張量在其整個維度上的對數和exp。它沿軸的尺寸減少了給定的輸入元素。如果參數“keepDims”為true，則減小的尺寸保留為長度1，否則張量的等級減小1。如果axes參數沒有條目，則它返回具有所有減小尺寸的單個元素的張量。

用法:

tf.logSumExp (x, axis, keepDims)

參數：此函數接受三個參數，如下所示：

x:輸入張量。
axis:指定要減小的尺寸。默認情況下，它會縮小所有尺寸。它是可選參數。
keepDims:如果此參數值為true，它將保留長度為1的縮小尺寸，否則Tensor的等級減小1。這也是可選參數。

返回值：它返回對數和運算操作的計算值的張量。

範例1：

Javascript


// Importing the tensorflow.js library
import * as tf from "@tensorflow/tfjs"
  
// Initializing a some tensors 
const a = tf.tensor1d([0, 1]);
const b = tf.tensor1d([3, 5]);
const c = tf.tensor1d([2, 4, 7]);
  
// Calling the .logSumExp() function over 
// the above tensors
a.logSumExp().print();
b.logSumExp().print();
c.logSumExp().print();

輸出：

Tensor
   1.31326162815094
Tensor
   5.126927852630615
Tensor
   7.054985046386719

範例2：

Javascript


// Importing the tensorflow.js library
import * as tf from "@tensorflow/tfjs"
  
// Initializing a some tensors 
const a = tf.tensor1d([0, 1]);
const b = tf.tensor2d([3, 5, 2, 8], [2, 2]);
const c = tf.tensor1d([2, 4, 7]);
  
// Initializing a axis parameters
const axis1 = -1;
const axis2 = -2;
const axis3 = 0;
  
// Calling the .logSumExp() function over 
// the above tensors
a.logSumExp(axis1).print();
b.logSumExp(axis2, true).print();
c.logSumExp(axis1, false).print();
b.logSumExp(axis3, false).print();

輸出：

Tensor
   1.31326162815094
Tensor
    [[3.3132617, 8.0485878],]
Tensor
   7.054985046386719
Tensor
   [3.3132617, 8.0485878]

參考：https://js.tensorflow.org/api/latest/#logSumExp

相關用法

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