时间戳

首页 > 解决方案 > 标量输出 TensorFlow JS

javascript - 标量输出 TensorFlow JS

问题描述

使用顺序模型，如何获取二维输入数组（三维输入）并让模型对每个二维输入进行预测，以生成标量？输入形状（板）：[ 153, 8, 8 ]。输出形状（结果）：[153]。

模型：

const model = tf.sequential();
model.add(tf.layers.dense({units: 8, inputShape: [8]}));
model.add(tf.layers.dense({units:1, activation: 'sigmoid'}));

// Prepare the model for training: Specify the loss and the optimizer.
model.compile({loss: 'meanSquaredError', optimizer: 'sgd'});

const xs = tf.tensor(boards);
const ys = tf.tensor(results);


model.fit(xs, ys, {batchSize: 8, epoch: 10000}).then(() => {
});
model.predict(tf.tensor(brokenFen)).print();

console.log(JSON.stringify(model.outputs[0].shape));

输出：

Tensor
    [[1],
     [1],
     [1],
     [1],
     [1],
     [1],
     [1],
     [1]]
[null,1]

期望的输出：

Tensor
[1]

如果您还有任何问题，请联系lmk。

标签： javascripttensorflowmachine-learningneural-networktensorflow.js

解决方案

有点理论...

预测的数量是赋予该predict方法的特征的批量大小。为了更好地理解什么是特征和标签，让我们考虑以下内容。

| feature 1 | feature 2 | ... | feature n | Label |
|----------:|----------:|----:|-----------|------:|
|    x11    |    x12    | ... |    x1n    |   y1  |
|    x21    |    x22    | ... |    x2n    |   y2  |
|    ...    |    ...    |  .. |    ...    |  ...  |

在上图中，数据有 n 个特征，对应于 n 个维度，而标签只有一个维度——为了简单起见并适合问题。模型的输入（第一层）应该与特征的维度相匹配，输出（最后一层）应该与标签的维度相匹配。在训练和预测时，我们给模型提供了一堆不同的样本 n1、n2。给出的样本数量对应于批量大小。该模型将返回与标签尺寸相同数量的形状元素。

该模型具有以下inputShape: [8]，这表明我们有 8 个特征。最后一层units:1暗示标签的大小为 1。当我们预测值时会发生什么？

const model = tf.sequential();

// first layer
model.add(tf.layers.dense({units: 8, inputShape: [8], activation: 'sigmoid' }));
// second layer
model.add(tf.layers.dense({units: 1}));

model.compile({loss: 'meanSquaredError', optimizer: 'sgd'});
console.log(model.predict(tf.ones([3, 8])).shape) // [3, 1] 3 elements predicted
console.log(model.predict(tf.ones([1, 8])).shape) // [1, 1] single element predicted
<html>
  <head>
    <!-- Load TensorFlow.js -->
    <script src="https://cdn.jsdelivr.net/npm/@tensorflow/tfjs@0.15.1"> </script>
  </head>

  <body>
  </body>
</html>

正如问题所建议的那样，标签是从三维值预测的。在这种情况下， inputShape 将是 3 而不是 8。如果tf.tensor(brokenFen)有 shape [b, ...inputShape]，就会有b结果值。如果您想要单个值，请考虑通过扩展尺寸tf.expandims或使用tf.reshape单个形状元素将 b 设置为 1 inputShape- 在本例中为 3。

推荐阅读