Jeśli dołączyłeś te wartości do swojego zestawu danych, nie otrzymałeś dokładności szkolenia dla modelu. Konieczne jest usunięcie nieskończoności z danych. Po pierwsze, musimy sprawdzić, czy wszystkie elementy obecne w zestawie danych nie są nieskończonymi. Następnie tylko ty musisz kontynuować szkolenie i pracować nad modelem.

Aby sprawdzić, czy dane zawierają nieskończone wartości, czy nie, używamy TF.funkcja isinf ().

Tf.funkcja isinf ()

TF.isinf () służy do sprawdzenia, czy element jest nieskończoność czy nieskończoność. Zwraca wartości logiczne. Jeśli wartość jest -nieskończoność lub nieskończoność, zwraca prawdziwie. W przeciwnym razie zwraca fałsz.

Składnia:

tf.isinf (tensor_input)

Parametr:

Tensor_input to tensor, który ma liczby.

Może być jeden lub dwuwymiarowy.

Przykład 1:

Utwórzmy jednowymiarowy tensor w JS, który ma pozytywne i negatywne nieskończoności i zastosuj funkcję ISINF ().

Wskazówka Linux

Tensorflow.JS - TF.isinf ()

Wyjście:

Widzimy, że zwraca się do wartości nieskończoności (zarówno dodatnich, jak i negatywnych).

Przykład 2:

Utwórzmy jednowymiarowy tensor w JS, który ma wartości 0, null, nan i niezdefiniowane i zastosuj funkcję isinf ().

Wskazówka Linux

Tensorflow.JS - TF.isinf ()

Wyjście:

Ponieważ nie są one powiązane z nieskończonymi wartościami, Fałsz jest zwracany.

Przykład 3:

Utwórzmy tensor, który ma dwa wymiary w JS z 2 wierszami i 2 kolumnami, które mają wartości dziesiętne z nieskończonymi i sprawdź nieskończenie.

Wskazówka Linux

Tensorflow.JS - TF.isinf ()

Wyjście:

W poprzednim tensorze występują dwie nieskończoności. Stąd dla tych wartości prawda jest zwracana.

Wniosek

W tym tensorflow.Samouczek JS, nauczyliśmy się sprawdzać nieskończone wartości w tensorze za pomocą TF.funkcja isinf () z trzema różnymi przykładami. W JavaScript możemy stworzyć nieskończoną wartość za pomocą nieskończoności lub infinity. NULL, 0, nieokreślony i NAN nie podlegają nieskończonymi wartościami.