Tensorflow.js tf.regularizers.l1l2()函数

Tensorflow.js 是由谷歌开发的开源库，用于在浏览器或节点环境中运行机器学习模型以及深度学习神经网络。

.regularizers.l1l2()函数用于 L1 和 L2 正则化。此外，它为损失附加了一个名称，以谴责巨大的权重：loss += sum(l1 * abs(x)) + sum(l2 * x^2)。

句法：

tf.regularizers.l1l2(config?)

参数：

• config：它是一个可选的对象。在它下面是l1和l2。
• l1：表示L1正则化率，默认值为0.01。它是数字类型。
• l2：表示L2正则化率，默认值为0.01。它是数字类型。

返回值：返回正则化器。

示例 1：在此示例中，我们将看到 l1l2 正则化器的独立使用应用于内核权重矩阵。

Javascript

// Importing the tensorflow.js library
//const tf = require("@tensorflow/tfjs");
  
// Define sequential model
const model = tf.sequential();
  
// Adding layer to it and calling 
// regularizers.l1l2() method
model.add(tf.layers.dense({
    units: 11, batchInputShape:[3, 4],
    kernelRegularizer:tf.regularizers.l1l2()
}));
  
// Calling summary() method and 
// Printing output
model.summary();

输出：

_________________________________________________________________
Layer (type)                 Output shape              Param #   
=================================================================
dense_Dense57 (Dense)        [3,11]                    55        
=================================================================
Total params: 55
Trainable params: 55
Non-trainable params: 0
_________________________________________________________________

示例 2：在这个示例中，我们将看到 l1l2 正则化器的独立使用应用于偏置向量。

Javascript

// Importing the tensorflow.js library
const tf = require("@tensorflow/tfjs");
  
// Define sequential model
const model = tf.sequential();
  
// Adding layer to it and calling 
// regularizers.l1l2() method
model.add(tf.layers.dense({
    units: 12, inputShape:[null, 8, 2],
    biasRegularizer:tf.regularizers.l1l2()
}));
  
// Calling summary() method and 
// Printing output
model.summary();

输出：

_________________________________________________________________
Layer (type)                 Output shape              Param #   
=================================================================
dense_Dense69 (Dense)        [null,null,8,12]          36        
=================================================================
Total params: 36
Trainable params: 36
Non-trainable params: 0
_________________________________________________________________

参考： https://js.tensorflow.org/api/latest/#regularizers.l1l2