Tensorflow.js tf.layers.globalAveragePooling1d()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.globalAveragePooling1d() 函数用于对时态数据应用全局平均池化操作。

句法：

tf.layers.globalAveragePooling1d( args )

参数：

• args: 它需要一个具有以下属性的对象：
  • inputShape: 如果指定了，它将用于构造一个输入层，该输入层将插入到该层之前。
  • batchInputShape:如果指定，它将用于创建一个输入层，该输入层将插入到该层之前。
  • batchSize:它支持inputShape来构建batchInputShape。
  • dtype: 这是该层的数据类型。该参数仅适用于输入层。
  • name: 它是字符串类型。这是该层的名称。
  • trainable: 如果设置为 true，则只有该层的权重会因拟合而改变。
  • weights: 图层的初始权重值。
  • InputDType: 它用于旧版支持。

返回：它返回 GlobalAveragePooling1D。

示例 1：

import * as tf from "@tensorflow.js/tfjs"
  
const model = tf.sequential(); 
  
// First layer must have a defined input shape 
model.add(tf.layers.globalAveragePooling1d({ 
    batchInputShape:[4,3, 3],  
    trainable: true 
})); 
  
// Afterwards, TF.js does automatic shape inference. 
model.add(tf.layers.dense({units: 3})); 
  
// Printing the summary of model 
model.summary();

输出：

__________________________________________________________________________________________
Layer (type)                Input Shape               Output shape              Param #   
==========================================================================================
global_average_pooling1d_Gl [[4,3,3]]                 [4,3]                     0         
__________________________________________________________________________________________
dense_Dense7 (Dense)        [[4,3]]                   [4,3]                     12        
==========================================================================================
Total params: 12
Trainable params: 12
Non-trainable params: 0
__________________________________________________________________________________________

示例 2：

import * as tf from "@tensorflow/tfjs"; 
  
const Input = tf.input({ shape: [2, 5] }); 
const globalAveragePooling1d = 
    tf.layers.globalAveragePooling1d({   
          InputShape:[4,3, 3], trainable: true 
    }); 
  
const Output = globalAveragePooling1d.apply(Input); 
  
const Data = tf.ones([2, 2, 5]); 
const model = 
    tf.model({ inputs: Input, outputs: Output }); 
  
model.predict(Data).print();

输出：

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

参考：https://js.tensorflow.org/api/latest/#layers.globalAveragePooling1d