Im maschinellen Lernen wirkt die Sigmoidfunktion als Aktivierungsfunktion, die ein Modell die Nichtlinearität hinzufügt. Einfach die Sigmoidfunktion wird verwendet, um ein nichtlineares Modell zu erstellen. Die mathematische Formel ist 1 / (1 + exp (-x))).
Wir werden sehen, wie es auf Tensorelemente angewendet wird.
Tf.Sigmoid () Funktion
Der tf.Sigmoid () wird verwendet, um die Sigmoidwerte aus einem bestimmten Wert in einem Tensor zurückzugeben.
Es dauert nur einen Parameter, den Tensor, der Zahlen hat.
Gemäß der Formel repräsentiert X jedes Element in einem Tensor. Schließlich wird der Wert berechnet und führt zu einem Sigmoidwert.
Syntax:
tf.Sigmoid (Tensor_input)
Parameter:
Der Tensor_Input ist ein Tensor mit Zahlen.
Es kann ein oder zweidimensional sein.
Beispiel 1:
Erstellen wir einen eindimensionalen Tensor in JS, der Null-, undefinierte und NAN-Werte hat und die Sigmoidwerte zurückgeben.
Linux -Hinweis
Tensorflow.JS - TF.Sigmoid ()
Ausgang:
Wir haben festgestellt, dass das Sigmoid auch Nan ist, wenn der Eingang Nan oder undefiniert ist.
Beispiel 2:
Erstellen wir einen Tensor mit zwei Dimensionen in JS mit 2 Zeilen und 2 Spalten, die Dezimalwerte aufweisen und die Sigmoidwerte zurückgeben.
Linux -Hinweis
Tensorflow.JS - TF.Sigmoid ()
Ausgang:
Beispiel 3:
Erstellen wir einen Tensor mit zwei Dimensionen in JS mit 2 Zeilen und 2 Spalten, die Exponentenwerte aufweisen und die Sigmoidwerte zurückgeben.
Linux -Hinweis
Tensorflow.JS - TF.Sigmoid ()
Ausgang:
Abschluss
In diesem Tensorflow.JS -Tutorial haben wir gelernt, wie man die Sigmoidwerte mit dem TF zurückgibt.Sigmoid () Funktion mit drei verschiedenen Beispielen. Die Formel für die Sigmoidfunktion ist - 1 / (1 + exp (-x))). Wir haben festgestellt, dass das Sigmoid auch Nan ist, wenn der Eingang Nan oder undefiniert ist.