Tensorflow.js tf.losses.cosineDistance()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.losses.cosineDistance() 函數用於計算兩個張量之間的餘弦距離損失。

用法:

tf.losses.cosineDistance(labels, predictions, 
        axis, weights?, reduction?)

參數：該函數接受五個參數，其中最後兩個是可選的，如下圖所示：

labels:地麵實況輸出張量。維度將與預測相同。
predictions:預測的輸出。
axis:餘弦距離是沿著這個維度計算的。
weights:它是一個秩為 0 或與標簽相同的張量，並且它必須可廣播到標簽，這意味著所有維度必須為 1，或與相應的損失維度相同。該參數是可選的。
reduction:適用於損失的減少類型。這也是一個可選參數。

返回值：它返回一個張量，它是兩個張量之間的餘弦距離損失。

範例1：

Javascript


// Importing the tensorflow.Js lbrary
import * as tf from "@tensorflow/tfjs"
  
// Creating labels tensor
const a = tf.tensor2d([[1, 4, 5], [5, 5, 7]]);
  
// Creating predictions tensor
const b = tf.tensor2d([[3, 2, 5], [3, 2, 7]])
  
// Computing cosine distance
cosine = tf.losses.cosineDistance(a, b)
cosine.print();

輸出：

Tensor
    -109

範例2：在這個例子中，我們將傳遞一個額外的參數，即重量。這是一個可選參數。

Javascript


// Importing the tensorflow.Js lbrary
import * as tf from "@tensorflow/tfjs"
  
// Creating labels tensor
const a = tf.tensor2d([
    [1, 4, 5, 5, 5, 7],
    [4, 7, 6, 8, 9, 4]
]);
  
// Creating predictions tensor
const b = tf.tensor2d([
    [3, 2, 5, 3, 2, 7],
    [3, 5, 7, 2, 4, 5]
]);
  
// Computing cosine distance
cosine = tf.losses.cosineDistance(a, b , 1)
cosine.print();

輸出：

Tensor
   -134.5

參考： https://js.tensorflow.org/api/latest/#losses.cosineDistance

相關用法

注：本文由純淨天空篩選整理自kapilm180265ca大神的英文原創作品 Tensorflow.js tf.losses.cosineDistance() 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。