📜  Tensorflow.js tf.Sequential 类

📅  最后修改于: 2022-05-13 01:56:27.083000             🧑  作者: Mango

Tensorflow.js tf.Sequential 类

Tensorflow.js 是谷歌开发的一个开源库,用于在浏览器或节点环境中运行机器学习模型和深度学习神经网络。

Tensorflow.js tf.Sequential 类是堆栈形式的层集合模型。这些层连接到各自的相邻层。我们使用 tf.Sequential()函数来创建 tf.Sequential 类实例。 tf.Sequential 类有许多用于在实例中应用的方法。

句法:

Sequntial_instane.method(args);

参数:此方法接受以下参数:

  • args:这取决于方法。不同的方法接受不同的参数。

返回值:不同的方法返回不同的返回值tf.Tensor对象等。

示例 1:在本示例中,我们将看到 add() 方法,该方法用于在图层顶部添加图层。它将 layer 作为参数并返回 void。

Javascript
import * as tf from "@tensorflow/tfjs"
 
// Importing the tensorflow.js library
const tf = require("@tensorflow/tfjs")
 
async function run() {
    // Creating Instance
    const gfg_Instance = tf.sequential();
 
    // Adding first Layer
    const Layer1 = tf.layers.dense({ units: 6, inputShape: [2] });
    gfg_Instance.add(Layer1);
 
    // Adding second layer
    const layer2 = tf.layers.dense({ units: 3, activation: 'sigmoid' })
    gfg_Instance.add(layer2);
 
    // Adding third layer
    const layer3 = tf.layers.dense({ units: 2, activation: 'sigmoid' })
    gfg_Instance.add(layer3);
 
    // Predicting data with layer model.
    const random = tf.randomNormal([4, 2]);
    gfg_Instance.predict(random).print();
}
 
// Function call
run();


Javascript
// Importing the tensorflow.js library
const tf = require("@tensorflow/tfjs")
 
async function run() {
    // Creating Instance
    const gfg_Instance = tf.sequential();
 
    // Adding first Layer
    const Layer1 = tf.layers.dense({ units: 6, inputShape: [2] });
    gfg_Instance.add(Layer1);
     
    // Adding second layer
    const layer2 = tf.layers.dense({ units: 3, activation: 'sigmoid' })
    gfg_Instance.add(layer2);
     
    // Adding third layer
    const layer3 = tf.layers.dense({ units: 2, activation: 'sigmoid' })
    gfg_Instance.add(layer3);
     
    // Printing summary of layer model
    gfg_Instance.summary();
}
 
// Function call
run();



输出:

Tensor
    [[0.5581576, 0.3110509],
     [0.546664 , 0.3369413],
     [0.5634928, 0.2920811],
     [0.5309308, 0.3545613]]

示例 2:在此示例中,我们将看到用于打印层实例摘要的 summary() 方法。它采用行长,即摘要的自定义长度,位置是摘要列的宽度,最后是用于自定义摘要输出的打印函数。它返回无效。

Javascript

// Importing the tensorflow.js library
const tf = require("@tensorflow/tfjs")
 
async function run() {
    // Creating Instance
    const gfg_Instance = tf.sequential();
 
    // Adding first Layer
    const Layer1 = tf.layers.dense({ units: 6, inputShape: [2] });
    gfg_Instance.add(Layer1);
     
    // Adding second layer
    const layer2 = tf.layers.dense({ units: 3, activation: 'sigmoid' })
    gfg_Instance.add(layer2);
     
    // Adding third layer
    const layer3 = tf.layers.dense({ units: 2, activation: 'sigmoid' })
    gfg_Instance.add(layer3);
     
    // Printing summary of layer model
    gfg_Instance.summary();
}
 
// Function call
run();


输出:

_________________________________________________________________
Layer (type)                 Output shape              Param #   
=================================================================
dense_Dense34 (Dense)        [null,6]                  18        
_________________________________________________________________
dense_Dense35 (Dense)        [null,3]                  21        
_________________________________________________________________
dense_Dense36 (Dense)        [null,2]                  8         
=================================================================
Total params: 47
Trainable params: 47
Non-trainable params: 0
_________________________________________________________________

参考: https://js.tensorflow.org/api/latest/#class:Sequential