Tensorflow.js tf.layers.averagePooling1d()用法及代码示例

Tensorflow.js是Google开发的开源工具包，用于在浏览器或节点平台上执行机器学习模型和深度学习神经网络。它还使开发人员能够在 JavaScript 中创建机器学习模型，并直接在浏览器中或通过 Node.js 使用它们。

tf.layers.averagePooling1d()函数用于对数据应用平均池化操作。

用法:

tf.layers.averagePooling1d (args)

输入形状：[batchSize，inLength，通道]

输出形状：[batchSize、pooledLength、通道]

参数：它接受 args 对象，该对象可以具有以下属性：

• args:它是一个对象类型值，可以接受以下值 -
  • poolSize:它是池化窗口的大小。这应该是一个整数。
  • strides:对汇总值进行采样的周期。如果为 null，则默认为 poolSize。
  • padding:这个指定如何填写不是poolSize整数倍的数据
  • inputShape:如果设置了此属性，它将用于构造一个输入层，该输入层将插入到该层之前。
  • batchInputShape:如果设置了此属性，将创建一个输入层并将其插入到该层之前。
  • batchSize:如果未提供batchInputShape而提供了inputShape，则使用batchSize来构建batchInputShape。
  • dtype:这是该层的数据类型。 float32 是默认值。该参数仅适用于输入层。
  • name:这是图层的名称，是字符串类型。
  • trainable:如果该层的权重可以通过拟合来改变。 True 是默认值。
  • weights:图层的初始权重值。
  • inputDType:这是遗留支持。它不会与新代码一起使用。

返回：它返回一个对象 (AveragePooling1D)。

示例 1：

import * as tf from "@tensorflow/tfjs"; 
  
const input = tf.input({ shape: [4, 4] }); 
const averagePoolingLayer = tf.layers.averagePooling1d({  
    poolSize: 2,  
    strides: 1,  
    padding: 'valid' 
}); 
  
const output = averagePoolingLayer.apply(input); 
  
const model = tf.model({  
    inputs: input,  
    outputs: output  
}); 
  
model.predict(tf.ones([1, 4, 4])).print();

输出：

Tensor
   [[[1, 1, 1, 1],
     [1, 1, 1, 1],
     [1, 1, 1, 1]]]

示例 2：

import * as tf from "@tensorflow/tfjs"; 
  
const input = tf.input({ shape: [4, 3] }); 
  
const averagePoolingLayer = tf.layers.averagePooling1d({  
    poolSize: 2,  
    strides: 2,  
    padding: 'valid' 
}); 
      
const output = averagePoolingLayer.apply(input); 
  
const model = tf.model({ inputs: input, outputs: output }); 
  
const x = tf.tensor3d( 
    [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12],  
    [1, 4, 3] 
); 
  
model.predict(x).print();

输出：

Tensor
   [[[2.5, 3.5, 4.5 ],
     [8.5, 9.5, 10.5]]]

参考： https://js.tensorflow.org/api/latest/#layers.averagePooling1d