1

我刚刚开始阅读Deep Learning with JavaScript。

这是预测下载持续时间一章中的代码示例。

const trainData = {
  sizeMB:  [0.080, 9.000, 0.001, 0.100, 8.000, 5.000, 0.100, 6.000, 0.050, 0.500,
            0.002, 2.000, 0.005, 10.00, 0.010, 7.000, 6.000, 5.000, 1.000, 1.000],
  timeSec: [0.135, 0.739, 0.067, 0.126, 0.646, 0.435, 0.069, 0.497, 0.068, 0.116,
            0.070, 0.289, 0.076, 0.744, 0.083, 0.560, 0.480, 0.399, 0.153, 0.149]
};
const testData = {
  sizeMB:  [5.000, 0.200, 0.001, 9.000, 0.002, 0.020, 0.008, 4.000, 0.001, 1.000,
            0.005, 0.080, 0.800, 0.200, 0.050, 7.000, 0.005, 0.002, 8.000, 0.008],
  timeSec: [0.425, 0.098, 0.052, 0.686, 0.066, 0.078, 0.070, 0.375, 0.058, 0.136,
            0.052, 0.063, 0.183, 0.087, 0.066, 0.558, 0.066, 0.068, 0.610, 0.057]
};
const trainTensors = {
 sizeMB: tf.tensor2d(trainData.sizeMB, [20, 1]),
 timeSec: tf.tensor2d(trainData.timeSec, [20, 1])
};
const testTensors = {
  sizeMB: tf.tensor2d(testData.sizeMB, [20, 1]),
  timeSec: tf.tensor2d(testData.timeSec, [20, 1])
};
const model = tf.sequential([tf.layers.dense({inputShape: [1], units: 1})]);
model.compile({optimizer: 'sgd', loss: 'meanAbsoluteError'});

model.fit(trainTensors.sizeMB, trainTensors.timeSec, { epochs: 10 })
  .then(() => {})

在我从本章开始之前，我想了解一些事情。

  1. 该层的核心是一个线性函数y = kernel * x + bias。此函数映射输入和输出。变量kernel和bias在训练过程中被调整。我的问题是：每一对（输入/输出）是否都有自己的线性函数实例和自己的状态？换句话说，是只有一对（内核/偏差）还是 20 对？
4

1 回答 1

1

在密集层的情况下，只有一对（内核，偏差）可以构成训练参数。它们也称为层的权重。在训练期间创建和更新模型时会初始化这些权重。

如果每个输入/输出都有一个状态，则该模型不能用于预测它没有看到的数据。

model.getWeights()将返回模型权重的数组。model.layers[indexOfLayer].getWeights()将返回特定层的权重数组

于 2020-04-18T15:33:35.227 回答