I maskinlæring betyr Sigmoid -funksjon logaritmisk verdi av en sigmoidfunksjon. Sigmoid-funksjonen fungerer som en aktiveringsfunksjon som tilfører ikke-lineariteten til en modell. Rett og slett brukes sigmoidfunksjonen til å lage en ikke-lineær modell.

Den matematiske formelen er 1 / (1 + exp (-x)).

Tf.LogSigMoid () -funksjon

Syntaks:

tf.Logsigmoid (Tensor_Input)

Parameter:

Tensor_input er en tensor som har tall.

Det kan være en eller todimensjonal.

Eksempel 1:

La oss lage en endimensjonal tensor i JS som har null, udefinerte og NAN-verdier og returnerer logsigmoidverdiene.

Linux hint

Tensorflow.JS - TF.Logsigmoid ()

Produksjon:

Tensor tar null som 0 og de udefinerte og nan som nan -verdi.

1. 1. Logsigmoid (0) => -0.6931472
   2. Logsigmoid (1) => -0.3132616
   3. Logsigmoid (0) => -0.6931472
   4. Logsigmoid (nan) => -0.6931472
   5. Logsigmoid (nan) => -0.6931472

Vi observerte at hvis inngangen er 0, nan, null og udefinert, er logsigmoidverdien -0.6931472.

Eksempel 2:

La oss lage en tensor som har to dimensjoner i JS med 2 rader og 2 kolonner som har desimalverdier og returnerer logsigmoidverdiene.

Linux hint

Tensorflow.JS - TF.Logsigmoid ()

Produksjon:

1. 1. Logsigmoid (1.23) =>-0.2564178
   2. Logsigmoid (4.5599999) =>-0.0104076
   3. Logsigmoid (-0.45) =>-0.9432489
   4. Logsigmoid (7.8899999) => -0.0003744

Eksempel 3:

La oss lage en tensor som har to dimensjoner i JS med 2 rader og 2 kolonner som har eksponentverdier og returnerer logsigmoidverdiene.

Linux hint

Tensorflow.JS - TF.Logsigmoid ()

Produksjon:

1. 1. Logsigmoid (2.7182817) => -0.0639022
   2. Logsigmoid (3.7182817) => -0.0239857
   3. Logsigmoid (1.7182819) => -0.1649839
   4. Logsigmoid (3.1682818) => -0.0412147

Konklusjon

I denne tensorflow.JS -opplæring, vi lærte hvordan vi skal returnere de naturlige logaritmiske sigmoidverdiene ved bruk av TF.LogSigMoid () -funksjon med tre forskjellige eksempler. Vi observerte at hvis inngangen er 0, nan, null og udefinert, er logg -sigmoidverdien -0.6931472.