Tensorflow.js tf.Sequential.add()用法及代碼示例

Tensorflow.js是由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以及深度學習神經網絡。

.add() 函數用於在層堆棧的最頂部附加層原型。

用法:

add(layer)

Parameters:

layer:它是層的聲明原型，它是 tf.layers.Layer 類型。

返回值：它返回void。

範例1：

Javascript


// Importing the tensorflow.js library
import * as tf from "@tensorflow/tfjs"
  
// Defining model
const modl = tf.sequential();
  
// Calling add() method
modl.add(tf.layers.dense({units:4, inputShape:[1]}));
modl.add(tf.layers.dense({units:2, stimulation:'relu'}));
modl.add(tf.layers.dense({units:1, stimulation:'relu'}));
  
// Printing output by calling predict
// method
modl.predict(tf.truncatedNormal([4, 1])).print();

輸出：這裏，layers.dense() 方法用於生成完全密集層，predict() 方法用於生成有利於輸入實例的輸出預測，而 truncatedNormal() 方法用於生成 tf.Tensor 借助從被截斷的正態分布。

Tensor
    [[0.1687946 ],
     [-0.1382875],
     [-0.3894148],
     [0.1748937 ]]

範例2：

Javascript


// Importing the tensorflow.js library
import * as tf from "@tensorflow/tfjs"
  
// Defining model
const modl = tf.sequential();
  
// Calling add() method
modl.add(tf.layers.maxPooling2d({batchInputShape:[1, 2, 3, 4],
     poolSize:1,
     strides:2}));
  
// Printing output by calling predictOnBatch
// method
modl.predictOnBatch(tf.randomNormal([1, 2, 3, 4])).print();

輸出：在這裏，layers.maxpooling2d() 方法有助於通過空間數據進行最大池化任務，predictOnBatch() 方法用於預測有利於特定組的實例，而 randomNormal() 方法用於借助值生成 tf.Tensor從正態分布中采樣。

Tensor
    [[[[0.9905863, 1.6736914, -1.2367558, -0.3343732],
       [0.2533375, 0.5539166, 0.6961272 , -0.3252741]]]]

參考： https://js.tensorflow.org/api/latest/#tf.Sequential.add

相關用法

注：本文由純淨天空篩選整理自nidhi1352singh大神的英文原創作品 Tensorflow.js tf.Sequential Class .add() Method。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。