Tensorflow.js tf.initializers.identity()函数

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。

Initializer 类是 Tensorflow.js 中所有初始化程序的基类。初始化器用于使用特定值初始化张量。它返回初始化器指定的张量对象。所以在这篇文章中，我们将看到身份初始化器是如何工作的。这是使用单位矩阵初始化新张量对象的初始化程序。它仅用于二维矩阵。

句法：

tf.initializers.identity(Gain)

范围：

增益：它是适用于单位矩阵的乘法因子。

返回值：它返回tf.initializers.Initializer

示例 1：在此示例中，我们将检查 identity()函数的独立使用。

Javascript

// Importing the tensorflow.Js library
import * as tf from "@tensorflow/tfjs"
 
// Generates the identity matrix
const value=tf.initializers.identity(1.0)
 
// Print gain
console.log(value)

Javascript

// Importing the tensorflow.Js library
import * as tf from "@tensorflow/tfjs"
 
// Define the input
const inp = tf.input({shape:[4]});
 
// Create identity matrix with gain 1
const value=tf.initializers.identity(1.0)
 
 
// Dense layer 1
const denseLayer1 = tf.layers.dense({
    units: 6,
    activation: 'relu',
    kernelInitialize: value
});
 
// Dense layer 2
const denseLayer2 = tf.layers.dense({
    units: 8,
    activation: 'softmax'
});
 
const out = denseLayer2.apply(denseLayer1.apply(inp));
 
//  Model creation
const model = tf.model({inputs:inp,outputs:out});
 
// Make prediction
console.log("Lets Make Some Prediction :")
model.predict(tf.ones([2, 4])).print();

输出：

{
 "gain": 1
}

示例 2：在此示例中，我们将使用 identity() 和 dense()函数使用具有密集层的单位矩阵。

Javascript

// Importing the tensorflow.Js library
import * as tf from "@tensorflow/tfjs"
 
// Define the input
const inp = tf.input({shape:[4]});
 
// Create identity matrix with gain 1
const value=tf.initializers.identity(1.0)
 
 
// Dense layer 1
const denseLayer1 = tf.layers.dense({
    units: 6,
    activation: 'relu',
    kernelInitialize: value
});
 
// Dense layer 2
const denseLayer2 = tf.layers.dense({
    units: 8,
    activation: 'softmax'
});
 
const out = denseLayer2.apply(denseLayer1.apply(inp));
 
//  Model creation
const model = tf.model({inputs:inp,outputs:out});
 
// Make prediction
console.log("Lets Make Some Prediction :")
model.predict(tf.ones([2, 4])).print();

输出：

Lets Make Some Prediction :
Tensor
   [[0.1651815, 0.1695402, 0.0670628, 0.0771763, 
     0.1045933, 0.1027268, 0.1647871, 0.148932],
    [0.1651815, 0.1695402, 0.0670628, 0.0771763, 
     0.1045933, 0.1027268, 0.1647871, 0.148932]]

参考： https://js.tensorflow.org/api/3.6.0/#initializers.identity