Функция activations.exponential
Функция activations.exponential вычисляет экспоненту от каждого элемента входного тензора.
Данная функция активации часто используется в задачах, где требуется получить положительные значения,
например, в слоях, предсказывающих дисперсию или интенсивность событий.
Первым параметром функция принимает входной тензор.
В качестве второго параметра можно передать тип данных выходного тензора.
Синтаксис
tf.keras.activations.exponential(x, [dtype])
Пример
Давайте применим экспоненциальную активацию к тензору с числами
1, 2, 3, 4, 5:
import tensorflow as tf
t = tf.constant([1, 2, 3, 4, 5])
res = tf.keras.activations.exponential(t)
print(res)
Результат выполнения кода:
tf.Tensor([ 2.7182817 7.389056 20.085537 54.59815 148.41316 ], shape=(5,), dtype=float32)
Пример
Давайте применим экспоненциальную активацию к отрицательным числам, чтобы увидеть, как функция обрабатывает значения меньше нуля:
import tensorflow as tf
t = tf.constant([-2, -1, 0, 1, 2])
res = tf.keras.activations.exponential(t)
print(res)
Результат выполнения кода:
tf.Tensor([0.13533528 0.36787945 1. 2.7182817 7.389056 ], shape=(5,), dtype=float32)
Пример
Давайте применим экспоненциальную активацию к двумерному тензору:
import tensorflow as tf
t = tf.constant([[1, 2, 3], [4, 5, 6]])
res = tf.keras.activations.exponential(t)
print(res)
Результат выполнения кода:
tf.Tensor(
[[ 2.7182817 7.389056 20.085537 ]
[ 54.59815 148.41316 403.4288 ]], shape=(2, 3), dtype=float32)
