Tensorflow.js tf.layers.maxPooling2d()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.maxPooling2d() 函数用于对空间数据应用最大池化操作。

用法:

tf.layers.maxPooling2d (args)

Parameters: 它接受 args 对象，该对象可以具有以下属性：

• poolSize: 它用于缩小每个维度(即[垂直、水平])的因子。它是一个整数或一个 two-int 数组。
• strides:在池化窗口的每个维度中，步幅大小。它是一个整数或需要two-int数组。
• padding: 对于池化层，要使用的填充类型。
• dataFormat:对于池化层，要使用的数据格式。
• 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：它返回对象 (MaxPooling2D)。

示例 1：

import * as tf from "@tensorflow/tfjs"; 
  
const input = tf.input({ shape: [4, 4, 4] }); 
const maxPoolingLayer = tf.layers.maxPooling2d({ poolSize: [2, 2] }); 
const output = maxPoolingLayer.apply(input); 
  
const model = tf.model({ inputs: input, outputs: output }); 
model.predict(tf.ones([1, 4, 4, 4])).print();

输出：

Tensor
   [[[[1, 1, 1, 1],
      [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, 4, 1] }); 
  
const maxPoolingLayer =  
    tf.layers.maxPooling2d({ poolSize: [3, 3] }); 
      
const output = maxPoolingLayer.apply(input); 
  
const model = tf.model({ inputs: input, outputs: output }); 
  
const x = tf.tensor4d([1, 2, 3, 4, 5, 6, 7,  
    8, 9, 10, 11, 12, 13, 14, 15, 16], [1, 4, 4, 1]); 
  
model.predict(x).print();

输出：

Tensor
    [ [ [[11],]]]

参考： https://js.tensorflow.org/api/latest/#layers.maxPooling2d