Tensorflow.js tf.conv3d()用法及代碼示例

Tenorflow.js 是 google 開發的 javascript 庫，用於在瀏覽器或 Node.js 中運行和訓練機器學習模型。

tf.conv3d() 函數用於計算給定輸入的 3d 卷積。輸入主要是 3D 圖像數據，如 CT 或 MRI 成像或任何視頻。為了從這些數據中提取特征，我們使用卷積層創建卷積核並輸出 4D 或 5D 張量。

用法:

tf.conv3d (x, filter, strides, pad, dataFormat?, dilations?)

參數：

x : 4 和 5 的張量等級被輸入到卷積中。張量也可以是形狀為 [批次、深度、高度、寬度、通道] 的類型化數組。
filter :Filter 的等級為 5，數據類型與 x 相同，形狀為 [filterDepth, filterHeight, filterWidth, inChannels, outChannels]。過濾器和輸入的輸入通道必須匹配。
stride: 步幅用於在輸入張量上移動過濾器。為此，傳遞長度>=5 的列表。
pad:填充算法有 ‘same’ 和 ‘valid’ 類型。 “相同”將創建與輸入相同大小的輸出。而 ‘valid’ 輸出的大小將小於輸入。
dataFormat：在兩個字符串中，它可以是：“NHWC”、“NCHW”。使用默認格式“NHWC”，數據的存儲順序為：[batch, depth, height, width, channels]。需要指定輸入和輸出數據的數據格式。這是可選的。
dilations:膨脹率是檢查卷積率的兩個整數元組。[dilationDepth,dilationHeight,dilationWidth]作為參數傳遞。這是可選的。

範例1：在這個例子中，我們將手動創建一個輸入和內核張量並執行卷積運算。我們將打印出張量的形狀以記錄通道數和填充算法。

Javascript


// Importing libraries
import * as from "@tensorflow/tfjs"
  
// Input tensor
const X=tf.tensor5d([[[[[0.],[2.]],
                       [[3.],[1.]],
                       [[4.],[2.]]],
                      [[[1.],[0.]],
                       [[2.],[1.]],
                       [[4.],[2.]]]]]);
console.log('Shape of the input:' ,X.shape);
  
// Kernel vector has been set
const kernel=tf.tensor5d([[[[[0.3,1.2]]],[[[0.6,1.8]]],[[[0.8,1.5]]]]]);
console.log('Shape of the kernel:' ,kernel.shape);
  
// Output tensor afetr convolution
let output=tf.conv3d(X,kernel,strides=[1,1,1,1,1],'same');
output.print();
console.log('Shape of the output tensor:',output.shape);

輸出：

Shape of the input:1,2,3,2,1
Shape of the kernel:1,3,1,1,2
Tensor
    [[[ [[2        , 5.0999999],],

        [[2.8000002, 7.1999998],],

        [[1.5      , 4.8000002],]],


      [ [[0.8      , 1.5      ],],

        [[2.2      , 4.8000002],],

        [[1.5      , 4.8000002],]]]]
Shape of the output tensor:1,2,3,1,2

範例2：在下麵的代碼中，會發生錯誤，因為通道數，即輸入張量的第 5 個索引和內核張量的第 4 個索引不匹配。

Javascript


import * as from "@tensorflow/tfjs"
  
// Input tensor
const X=tf.tensor5d([0.,2.,3.,1.,4.,2.,1.,0.,2.,1.,4.,2.],[1,2,3,2,1]);
  
  
// Kernel vector has been set
const kernel=tf.tensor5d([0.3,1.2,0.6,1.8,0.8,1.5],[1,1,1,2,3]);
  
  
// Output tensor afetr convolution
let output=tf.conv3d(X,kernel,strides=[1,1,1,2,1],'same');
output.print();
console.log('Shape of the output tensor:',output.shape);

輸出：

An error occured on line:10
Error in conv3d:depth of input (1) must match input depth for filter 2.

範例3：在這個例子中，我們將執行兩個卷積操作。首先，我們將創建一個從正態分布中隨機選取的值的張量，並在卷積後打印輸出張量。之後，我們采用更大尺寸的張量(可以是 3D 圖像或視頻)並執行卷積，這將再次生成一個大張量。我們將打印該張量的輸出形狀。

Javascript


// Importing libraries
import * as from "@tensorflow/tfjs"
  
// A tensor with values selected from a
// normal distribution
const x=tf.randomNormal([1,2,4,1,3]);
  
const kernel=tf.tensor5d([0.3,1.2,0.6,1.8,0.8,1.5],[1,1,2,3,1])
  
// Output tensor after convolution 
let out=tf.conv3d(x,kernel,strides=[1,1,1,1,1],'same')
  
// Printing the output tensor
console.log('First output tensor is:')
out.print()
  
// Input tensor of bigger shape is taken 
const y=tf.randomNormal([3,25,25,25,1]);
  
const kernel2=tf.randomNormal([1,3,3,1,1])
  
// Convolution is performed
let output2=tf.conv3d(y,kernel2,strides=[1,1,1,1,1],'same')
  
// Output2.print()
// Printing out the bigger output shape
console.log('\n The shape of the output tensor',output2.shape)

輸出：

First output tensor is:
Tensor
    [[[ [[-0.702378 ],],

        [[1.9029824 ],],

        [[-0.1904218],],

        [[-2.2287691],]],


      [ [[-1.9580686],],

        [[-2.8335922],],

        [[0.0155853 ],],

        [[-3.6478395],]]]]

 The shape of the bigger output tensor 3,25,25,25,1

參考資料：https://js.tensorflow.org/api/1.0.0/#conv3d

相關用法

注：本文由純淨天空篩選整理自barnadipdey2510大神的英文原創作品 Tensorflow.js tf.conv3d() Function。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。