Dans cet article, nous verrons comment compléter les valeurs dans TensorFlow.framework JS dans le javascript. Les avantages de l'arrondi est que nous pouvons représenter les valeurs dans un format entier sans aucun point décimal.

Dans l'apprentissage automatique, la fonction sigmoïde agit comme une fonction d'activation qui ajoute la non-linéarité à un modèle. Simplement, la fonction sigmoïde est utilisée pour créer un modèle non linéaire. La formule mathématique est 1 / (1 + exp (-x)).

Nous verrons comment il est appliqué sur les éléments du tenseur.

TF.fonction sigmoïd ()

Le TF.Sigmoïd () est utilisé pour renvoyer les valeurs sigmoïdes d'une valeur donnée dans un tenseur.
Il ne faut qu'un seul paramètre, le tenseur, qui a des nombres.

Selon la formule, X représente chaque élément dans un tenseur. Enfin, la valeur est calculée et entraîne une valeur sigmoïde.

Syntaxe:

TF.sigmoïd (tensor_input)

Paramètre:

Le tenseur_input est un tenseur qui a des nombres.
Cela peut être une ou deux dimensions.

Exemple 1:

Créons un tenseur unidimensionnel dans JS qui a des valeurs nulles, non définies et nan et renvoie les valeurs sigmoïdes.

Indice de linux

Tensorflow.JS - TF.sigmoïd ()

Sortir:

1. 1 / (1 + exp (-0)) => 0
2. 1 / (1 + exp (-1)) => 0.7310586
3. 1 / (1 + exp (-0)) => 0.5
4. 1 / (1 + exp (-nan)) => nan
5. 1 / (1 + exp (-nan)) => nan

Nous avons observé que si l'entrée est nan ou non définie, le sigmoïde est également nan.

Exemple 2:

Créons un tenseur qui a deux dimensions en js avec 2 lignes et 2 colonnes qui ont des valeurs décimales et renvoie les valeurs sigmoïdes.

Indice de linux

Tensorflow.JS - TF.sigmoïd ()

Sortir:

1. 1 / (1 + exp (-1.23))) => 0.7738186
2. 1 / (1 + exp (-4.5599999)) => 0.9896463
3. 1 / (1 + exp (0.45))) => 0.3893608
4. 1 / (1 + exp (-7.8899999)) => 0.9996257

Exemple 3:

Créons un tenseur qui a deux dimensions en js avec 2 lignes et 2 colonnes qui ont des valeurs d'exposontes et renvoie les valeurs sigmoïdes.

Indice de linux

Tensorflow.JS - TF.sigmoïd ()

Sortir:

1. 1 / (1 + exp (-2.7182817)) => 0.9380968
2. 1 / (1 + exp (-3.7182817)) => 0.9762997
3. 1 / (1 + exp (-1.7182819)) => 0.8479074
4. 1 / (1 + exp (-3.1682818)) => 0.959623

Conclusion

Dans ce Tensorflow.Tutoriel JS, nous avons appris à renvoyer les valeurs sigmoïdes en utilisant le TF.Fonction sigmoïd () avec trois exemples différents. La formule de la fonction sigmoïde est - 1 / (1 + exp (-x)). Nous avons observé que si l'entrée est nan ou non définie, le sigmoïde est également nan.