Функция Tensorflow.js tf.layers.maxPooling3d()
Опубликовано: 11 Августа, 2022
Tensorflow.js — это набор инструментов с открытым исходным кодом, разработанный Google для выполнения моделей машинного обучения и нейронных сетей глубокого обучения в браузере или на платформе узла. Это также позволяет разработчикам создавать модели машинного обучения в JavaScript и использовать их непосредственно в браузере или с помощью Node.js.
Функция tf.layers.maxPooling3d() используется для применения операции максимального объединения к 3D-данным.
Синтаксис:
tf.layers.maxPooling3d(args)
Параметры:
- args: это объект, который может иметь следующие свойства:
- poolSize: используется для коэффициентов масштабирования в каждом измерении, т.е. [глубина, высота, ширина]. Это целое число или ожидается массив из трех целых чисел.
- шаги: в каждом измерении окна пула размер шага. Это целое число или требуется массив из трех целых чисел.
- padding: Тип заполнения для слоя объединения.
- dataFormat: формат данных, используемый для слоя пула.
- inputShape: если он указан, он будет использоваться для создания входного слоя, который будет вставлен перед этим слоем.
- batchInputShape: если он указан, он будет использоваться для создания входного слоя, который будет вставлен перед этим слоем.
- batchSize: поддерживает inputShape для создания batchInputShape.
- dtype: тип данных для этого слоя. Этот параметр применяется исключительно к входным слоям.
- имя: имеет строковый тип. Это имя этого слоя.
- обучаемый: если для него установлено значение true, то только веса этого слоя будут изменены по размеру.
- Weights: начальные значения веса слоя.
- inputDType: используется для поддержки Legacy.
Возвращает: возвращает MaxPooling3D
Пример 1:
Javascript
import * as tf from "@tensorflow/tfjs" ; const input = tf.input({ shape: [3, 2, 4, 3] }); const maxPoolingLayer = tf.layers.maxPooling3d( { poolSize: [2, 2,4], strides:[3, 4, 5], padding: "valid" }); const output = maxPoolingLayer.apply(input); const model = tf.model({ inputs: input, outputs: output }); model.summary(); |
Выход:
__________________________________________________________________________________________ Layer (type) Input Shape Output shape Param # ========================================================================================== input44 (InputLayer) [[null,3,2,4,3]] [null,3,2,4,3] 0 __________________________________________________________________________________________ max_pooling3d_MaxPooling3D4 [[null,3,2,4,3]] [null,1,1,1,3] 0 ========================================================================================== Total params: 0 Trainable params: 0 Non-trainable params: 0 __________________________________________________________________________________________
Пример 2:
Javascript
import * as tf from "@tensorflow/tfjs" ; const input = tf.input({ shape: [2, 2, 4,5] }); const maxPoolingLayer = tf.layers.maxPooling3d({ poolSize: [2, 2,4] ,strides:[3, 4, 5], padding: "valid" }); const output = maxPoolingLayer.apply(input); const model = tf.model({ inputs: input, outputs: output }); const x = tf.ones([2, 2, 2, 4,5]); model.predict(x).print(); |
Выход:
Tensor [[[[[1, 1, 1, 1, 1],]]], [[[[1, 1, 1, 1, 1],]]]]
Ссылка: https://js.tensorflow.org/api/latest/#layers.maxPooling3d