Tensorflow.js tf.layers.zeroPadding2d()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。

tf.layers.zeroPadding2d() 函数用于在图像张量的顶部、底部、左侧和右侧为零添加行和列。

用法：

tf.layers.zeroPadding2d(args);

参数：此方法接受 args 作为具有以下属性的参数：

• Padding:这个变量接受一个整数，或者一个由 2 个整数组成的数组，或者一个由 2 个数组组成的数组，每个数组都是一个由 2 个整数组成的数组。这个变量的解释是：
  • 如果变量是整数，则相同的对称应用于宽度和高度。
  • 如果变量是 2 个整数的数组，则解释为高度和宽度的两个不同对称值。
  • 如果变量是由 2 个数组组成的数组，则解释为 topPad、bottomPad 表示第一个数组，而 leftPad、rightPad 表示第二个数组。
• dataFormat:此变量定义输入张量的形状格式。如果可以是channelsLast 或channelsFirst。此值定义输入中维度的顺序。 channelsLast 定义形状 [batch, height, width, channels] 而 channelsFirst 定义 [batch, channels, height, width]。
• inputShape:它可以是空值或数字数组。它用于创建一个输入层以在下一层之前插入。此变量仅用于模型的第一层。
• batchInputShape:此变量接受空值或数字数组。此变量的工作方式与 inputShape 相同，但如果同时定义了 inputShape 和 batchInputShape，则使用 batchInputShape。此变量仅用于模型的第一层。
• batchSize:它是一个数字，它有助于 batchInpuShape 变量。如果没有定义batchInputShape，它用于创建batchInputShape。
• dtype:该变量用于定义填充层的数据类型。默认为 ‘float32’。此变量仅用于模型的第一层。
• name:它定义了层的名称。
• trainable:它是一个布尔类型。它定义的图层数据可以通过适合与否来更新。默认值为真。
• weights:它是 tf.Tensor 类型。它声明了图层的初始权重值。
• inputDType:它定义了输入层的数据类型。遗留支持。不要用于新代码。

返回值：它返回 ZeroPadding2D 对象。

范例1：在本例中，我们添加了一个具有默认值的 zero-padding 层。

// Importing tensorflow
const tf = require("@tensorflow/tfjs")
  
// Input 4d Tensor     
const img4d = tf.tensor4d([1, 2, 3, 4], [1, 2, 2, 1]);
  
// Adding padding in Tensor
const pad = tf.layers.zeroPadding2d();
const imgpad = pad.apply(img4d);
  
// Printting 4d TEsor with padding</div>
imgpad.print()

Tensor    [[[[0], [0], [0], [0]],
            [[0], [1], [2], [0]],
            [[0], [3], [4], [0]],
            [[0], [0], [0], [0]]]]

// Importing tensorflow
const tf = require("@tensorflow/tfjs")
  
// Input 4d Tensor     
const img4d = tf.tensor4d([1, 2, 3, 4], [1, 2, 2, 1]);
  
// Adding padding in Tensor
const pad = tf.layers.zeroPadding2d({
    padding:2,
    dataFormat:'channelsFirst', dtype:'int32'
});
  
const imgpad = pad.apply(img4d);
  
// Printting 4d TEsor with padding
imgpad.print()

Tensor
    [[[[0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0],
       [0, 0, 1, 0, 0],
       [0, 0, 2, 0, 0],
       [0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0]],

      [[0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0],
       [0, 0, 3, 0, 0],
       [0, 0, 4, 0, 0],
       [0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0]]]]