Tensorflow.js tf.layers.maxPooling3d()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.maxPooling3d() 函数用于对 3D 数据应用最大池化操作。

句法：

tf.layers.maxPooling3d(args)

参数：

• args: 它是可以具有以下属性的对象：
  • poolSize: 它用于缩小每个维度的因子，即[深度、高度、宽度]。它是一个整数或三个整数的数组。
  • 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三个整数的数组。
  • padding: 用于池化层的填充类型。
  • dataFormat: 用于池化层的数据格式。
  • 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 MaxPooling3D

示例 1：

import * as tf from "@tensorflow/tfjs"; 
  
const input = tf.input({ shape: [3, 2, 4, 3] }); 
const maxPoolingLayer = tf.layers.maxPooling3d( 
    { poolSize: [2, 2,4],  
    strides:[3, 4, 5],  
    padding: 'valid' }); 
const output = maxPoolingLayer.apply(input); 
  
const model = tf.model({ inputs: input, outputs: output }); 
model.summary();

输出：

__________________________________________________________________________________________
Layer (type)                Input Shape               Output shape              Param #   
==========================================================================================
input44 (InputLayer)        [[null,3,2,4,3]]          [null,3,2,4,3]            0         
__________________________________________________________________________________________
max_pooling3d_MaxPooling3D4 [[null,3,2,4,3]]          [null,1,1,1,3]            0         
==========================================================================================
Total params: 0
Trainable params: 0
Non-trainable params: 0
__________________________________________________________________________________________

示例 2：

import * as tf from "@tensorflow/tfjs"; 
const input = tf.input({ shape: [2, 2, 4,5] }); 
const maxPoolingLayer =    tf.layers.maxPooling3d({ poolSize: [2, 2,4]  
                              ,strides:[3, 4, 5], padding: 'valid' }); 
const output = maxPoolingLayer.apply(input); 
const model = tf.model({ inputs: input, outputs: output }); 
const x = tf.ones([2, 2, 2, 4,5]); 
model.predict(x).print();

输出：

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

参考：https://js.tensorflow.org/api/latest/#layers.maxPooling3d