Tensorflow.js tf.layers.averagePooling1d()用法及代碼示例

Tensorflow.js是Google開發的開源工具包，用於在瀏覽器或節點平台上執行機器學習模型和深度學習神經網絡。它還使開發人員能夠在 JavaScript 中創建機器學習模型，並直接在瀏覽器中或通過 Node.js 使用它們。

tf.layers.averagePooling1d()函數用於對數據應用平均池化操作。

用法:

tf.layers.averagePooling1d (args)

輸入形狀：[batchSize，inLength，通道]

輸出形狀：[batchSize、pooledLength、通道]

參數：它接受 args 對象，該對象可以具有以下屬性：

• args:它是一個對象類型值，可以接受以下值 -
  • poolSize:它是池化窗口的大小。這應該是一個整數。
  • strides:對匯總值進行采樣的周期。如果為 null，則默認為 poolSize。
  • padding:這個指定如何填寫不是poolSize整數倍的數據
  • inputShape:如果設置了此屬性，它將用於構造一個輸入層，該輸入層將插入到該層之前。
  • batchInputShape:如果設置了此屬性，將創建一個輸入層並將其插入到該層之前。
  • batchSize:如果未提供batchInputShape而提供了inputShape，則使用batchSize來構建batchInputShape。
  • dtype:這是該層的數據類型。 float32 是默認值。該參數僅適用於輸入層。
  • name:這是圖層的名稱，是字符串類型。
  • trainable:如果該層的權重可以通過擬合來改變。 True 是默認值。
  • weights:圖層的初始權重值。
  • inputDType:這是遺留支持。它不會與新代碼一起使用。

返回：它返回一個對象 (AveragePooling1D)。

示例 1：

import * as tf from "@tensorflow/tfjs"; 
  
const input = tf.input({ shape: [4, 4] }); 
const averagePoolingLayer = tf.layers.averagePooling1d({  
    poolSize: 2,  
    strides: 1,  
    padding: 'valid' 
}); 
  
const output = averagePoolingLayer.apply(input); 
  
const model = tf.model({  
    inputs: input,  
    outputs: output  
}); 
  
model.predict(tf.ones([1, 4, 4])).print();

輸出：

Tensor
   [[[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, 3] }); 
  
const averagePoolingLayer = tf.layers.averagePooling1d({  
    poolSize: 2,  
    strides: 2,  
    padding: 'valid' 
}); 
      
const output = averagePoolingLayer.apply(input); 
  
const model = tf.model({ inputs: input, outputs: output }); 
  
const x = tf.tensor3d( 
    [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12],  
    [1, 4, 3] 
); 
  
model.predict(x).print();

輸出：

Tensor
   [[[2.5, 3.5, 4.5 ],
     [8.5, 9.5, 10.5]]]

參考： https://js.tensorflow.org/api/latest/#layers.averagePooling1d