Tensorflow.js tf.separableConv2d()用法及代码示例

Tensorflow.js是由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以及深度学习神经网络。

.separableConv2d() 函数用于确定二维并发症以及可分离的过滤器。它执行深度复杂性，该复杂性在通过点复杂性追求的通道上明显起作用，这有助于混合通道。此外，它指定 [1, 2] 和 3 维内的可分离性，绝对不是 1 和 2 维内的结构可分离性。

用法:

tf.separableConv2d(x, depthwiseFilter, pointwiseFilter, 
        strides, pad, dilation?, dataFormat?)

参数：

• x:指定的输入张量是 3 级或 4 级，形状为：[batch, height, width, inChannels]。此外，如果等级为 3，则假定批次大小为 1。它可以是 tf.Tensor3D、tf.Tensor4D、TypedArray 或 Array 类型。
• depthwiseFilter:等级为 4 的所述深度滤波器张量和形状：[filterHeight, filterWidth, inChannels, channelMultiplier]。但是，它是在初始阶段使用的。它可以是 tf.Tensor4D、TypedArray 或 Array 类型。
• pointwiseFilter:等级 4 和形状的所述逐点滤波器张量：[1, 1, inChannels * channelMultiplier, outChannels]。但是，它用于操作的第二阶段。它可以是 tf.Tensor4D、TypedArray 或 Array 类型。
• strides:形状复杂度的规定步幅：[strideHeight, strideWidth]。如果所述步幅是单数，则 strideHeight == strideWidth。它可以是 [number, number] 或 number 类型。
• pad:规定的填充算法类型。它可以是有效或相同的类型。
  • 在这里，对于 ‘same’ 和步长 1，输出将具有与输入相同的大小，而与滤波器大小无关。
  • 因为，‘valid’ 输出应小于输入，以防滤波器大小大于 1*1×1。
• dilation:规定的膨胀。它是可选的，类型为 [number, number] 或 number。
• dataFormat:来自 “NHWC” 或 “NCHW” 的指定选修字符串。它指定所述输入和输出数据的数据形状。默认值为“NHWC”。而且这里的数据按如下顺序保存：[batch, height, width, channels]。它是可选的，属于“NHWC”类型。

返回值：它返回 tf.Tensor3D 或 tf.Tensor4D。

范例1：

// Importing the tensorflow.js library
import * as tf from "@tensorflow/tfjs"
  
// Defining input tensor
const x = tf.tensor4d([1, 2, 3, 4], [1, 1, 2, 2]);
  
// Defining depthwise filter tensor
const y = tf.tensor4d([1, 1, 0, 4], [1, 1, 2, 2]);
  
// Defining pointwise filter tensor
const z = tf.tensor4d([1, 1, 0, 4], [1, 1,     4, 1]);
  
// Calling separableConv2d() method
const result = tf.separableConv2d(x, y, z, 2, 'valid');
  
// Printing output
result.print();

输出：

Tensor
     [ [ [[34],]]]

范例2：

// Importing the tensorflow.js library
import * as tf from "@tensorflow/tfjs"
  
// Calling separableConv2d() method
tf.separableConv2d(
    tf.tensor4d([1.1, 2.2, 3.3, 4.4], [1, 1, 2, 2]), 
    tf.tensor4d([1.2, 1.1, 0.3, 4.5], [1, 1, 2, 2]),
    tf.tensor4d([1.4, 1.6, 0.5, 4.8], [1, 1,     4, 1]),
    1, 'same', 1, 'NHWC').print();

输出：

Tensor
    [[[[51.6340065 ],
       [107.0520096]]]]

参考：https://js.tensorflow.org/api/latest/#separableConv2d