Der tf.Einartige und tf-zerosartig im Tensorflow.JS

Im Deep Learning arbeiten Sie mit Bildern. Der Einfachheit halber müssen Sie die farbigen Bilder in 0 und alle grauen Bilder in 1 umwandeln. Verwenden von Tensorflow.JS, wie können Sie das tun??

Es ist möglich, alle Elemente in einem Tensor mit TF in 1 und 0 zu konvertieren.Eins wie () und tf.nulosähnlich (). Lassen Sie uns sie einzeln im Detail diskutieren.

Tensorflow.JS - TF.Einsähnliche () Funktion

Der tf.Einer ähnliches () wird verwendet, um alle vorhandenen Elemente durch 1 zu ersetzen.

Syntax:

tf.Einer (Tensor)

Parameter:

Es dauert einen Tensor als Parameter mit numerischen Werten.

Beispiel 1:

Erstellen Sie einen 1D -Tensor, der einige ganze Zahlen hat. Jetzt werden wir alle durch 1 ersetzen.

Ausgang:

Alle Elemente werden durch 1 ersetzt.

Beispiel 2:

Erstellen Sie einen 2D -Tensor, der einige ganze Zahlen hat. Jetzt werden wir alle durch 1 ersetzen.

src = "https: // cdn.Jsdelivr.net/npm/@TensorFlow/tfjs ">

Ausgang:

Alle Elemente werden durch 1 ersetzt.

Tensorflow.JS - TF.nullenähnliche () Funktion

tf.nulosähnlich () wird verwendet, um alle vorhandenen Elemente durch 0 zu ersetzen.

Syntax:

tf.nulgartig (Tensor)

Parameter:

Es dauert einen Tensor als Parameter mit numerischen Werten.

Beispiel 1:

Erstellen Sie einen 1D -Tensor, der einige ganze Zahlen hat. Jetzt werden wir alle durch 0 ersetzen.

>// Tensor erstellen
Sei Were = TF.Tensor2d ([12,34,56,77,78,100], [3,2])
//Anzeige
dokumentieren.schreiben("Tatsächlicher Tensor: "+Werte);
dokumentieren.schreiben("
");
dokumentieren.schreiben("Final Tensor mit allen 0er: ""+tf.nulosähnliche (Werte));
dokumentieren.schreiben("
");

Ausgang:

Alle Elemente werden durch 0 ersetzt.

Abschluss

In diesem Tensorflow.JS -Tutorial haben wir gesehen, wie alle Elemente in einem Tensor mit TF in 1 konvertieren können.Eins wie () und alle Elemente in einem Tensor bis 0 mit TF.Erosik () mit zwei Beispielen.

Diese Funktionen sind sehr hilfreich, um Bilder in binär zu konvertieren, so dass das Gedächtnis reduziert wird. Wir hoffen, dieser Artikel bietet eine bessere Möglichkeit zum Lernen.