Tensorflow.js tf.layers.maxPooling1d()用法及代码示例

Tensorflow.js是Google开发的开源库，用于在浏览器或节点环境中运行机器学习模型和深度学习神经网络。

Tensorflow.js tf.layers.maxPooling1d() 函数用于对时态数据进行最大池化操作。

用法:

tf.layers.maxPooling1d( args );

参数：

• args: 它指定给定的配置对象：
  • poolSize: 它是一个数字或数字数组。它指定要池化的窗口的大小。
  • strides: 它是一个数字或数字数组。它指定对汇总值进行采样的周期。
  • padding: 它应该是以下三个值之一：‘valid’, ‘same’和‘casual’。它指定如何填充不是poolSize整数倍的数据。
  • inputSize: 它应该为空或数字数组。它用于创建要插入到这些层之前的输入层。
  • batchInputShape: 它应该为空或数字数组。我定义它用于创建输入层以插入到这些层之前。 batchInputShape 比 inputSize 具有更高的优先级，因此我们更喜欢 batchInputSize 而不是 inputSize。
  • batchSize: 它应该是一个数字。在没有batchInputShape的情况下，该字段用于使用inputShape创建batchInputShape。 batchInputShape：[batchSize，...inputShape]。
  • dtype: 如果该层用作输入层，则该字段用作该层的数据类型。
  • name: 它应该是字符串类型。该字段定义该层的名称。
  • trainable: 它应该是布尔值。该字段定义该层的权重是否可以通过拟合进行训练。
  • weights: 这应该是一个定义该层初始权重值的张量。
  • inputDType: 这是用于旧版支持的数据类型。

返回值：它返回 MaxPooling1d。

示例 1：在此示例中，我们将向顺序模型添加 tf.layers.maxPooling1d() 函数并打印模型摘要。

import * as tf from "@tensorflow.js/tfjs"
  
const model = tf.sequential(); 
  
// First layer must have a defined input shape 
model.add(tf.layers.maxPooling1d({ 
    poolSize: 4,  
    strides: 5,  
    padding: 'valid', 
    inputShape: [4,3] 
})); 
  
// Afterwards, TF.js does automatic shape inference. 
model.add(tf.layers.maxPooling1d({ 
    poolSize: 4,  
    strides: 5,  
    padding: 'valid'
})); 
  
// Printing the summary of model 
model.summary(); 

输出：

__________________________________________________________________________________________
Layer (type)                Input Shape               Output shape              Param #   
==========================================================================================
max_pooling1d_MaxPooling1D2 [[null,4,3]]              [null,1,3]                0         
__________________________________________________________________________________________
max_pooling1d_MaxPooling1D2 [[null,1,3]]              [null,0,3]                0         
==========================================================================================
Total params: 0
Trainable params: 0
Non-trainable params: 0
__________________________________________________________________________________________

示例 2：< 在此示例中，我们将为模型创建 maxPooling1d 层并检查模型形状。

import * as tf from "@tensorflow.js/tfjs"
  
const model = tf.sequential(); 
  
// First layer must have a defined input shape 
model.add(tf.layers.maxPooling1d({ 
    poolSize: 4,  
    strides: 5,  
    padding: 'valid', 
    inputShape: [4,3] 
})); 
  
// Afterwards, TF.js does automatic shape inference. 
model.add(tf.layers.dense({units: 3})); 
  
model.add(tf.layers.maxPooling1d({ 
    poolSize: 4,  
    strides: 5,  
    padding: 'valid'
})); 
  
// Inspect the inferred shape of the model's output. 
console.log(JSON.stringify(model.outputs[0].shape));

输出：

[null,0,3]

参考：https://js.tensorflow.org/api/latest/#layers.maxPooling1d