Tensorflow.js tf.layers.cropping2D()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.cropping2D() 函数用于裁剪图像张量的顶部、底部、左侧和右侧的输入。

用法:

tf.layers.cropping2D(args)

输入形状：4D 张量，形状：

• 如果数据格式是channelsLast：[批次、行、列、通道]
• 如果 data_format 是channelsFirst：[批次、通道、行、列]。

输出形状：4D 形状：

• 如果数据格式是channelsLast：[批次、croppedRows、croppedCols、通道]
• 如果数据格式是channelsFirst：[批次、通道、croppedRows、croppedCols]。

参数：

• args:它是一种接受以下属性的对象类型：
  • cropping (number|[number, number]|[[number, number], [number, number]]):沿宽度和高度裁剪的尺寸。
  • dataFormat:数据格式。这指定了输入中维度的排序顺序。 ChannelLast 是默认值。
  • 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。

返回：它返回一个对象(Cropping2D)。

示例 1：

import * as tf from "@tensorflow/tfjs"; 
  
const input = tf.input({ shape: [10, 10, 4] }); 
  
const cropping2DLayer = tf.layers 
    .cropping2D({ cropping: [[2, 2],[2, 2]] }); 
      
const output = cropping2DLayer.apply(input); 
  
console.log(output.shape)

输出：

[ null, 6, 6, 4 ]

示例 2：

import * as tf from "@tensorflow/tfjs"; 
  
const input = tf.input({ shape: [10, 10, 6] }); 
const cropping2DLayer = tf.layers 
    .cropping2D({  
    cropping: [[3, 2],[2, 3]],  
    dataFormat: 'channelsFirst' 
}); 
  
const output = cropping2DLayer.apply(input); 
  
console.log(output.shape)

输出：

[ null, 10, 5, 1 ]

参考： https://js.tensorflow.org/api/latest/#layers.cropping2D