Tensorflow.js tf.layers.conv2dTranspose()用法及代碼示例

Tensorflow.js是Google開發的開源庫，用於在瀏覽器或節點環境中運行機器學習模型和深度學習神經網絡。它還可以幫助開發人員使用 JavaScript 語言開發 ML 模型，並可以直接在瀏覽器或 Node.js 中使用 ML。

tf.layers.conv2dTranspose() 函數用於轉置卷積，這通常是由於希望使用與正常卷積相反方向的變換而產生的。當將此層用作模型中的第一層時，它提供配置 inputShape，例如，對於 dataFormat: ‘channelsLast’ 中的 64 x 64 RGB 圖片， inputShape: [ 64, 64, 5 ]。

用法:

tf.layers.conv2dTranspose( args )

參數：

• args: 它接受對象作為具有以下字段的參數：
  • filters: 輸出空間的維數即卷積中濾波器的數量。
  • kernelSize: 它是卷積窗口的尺寸。如果 kernelSize 是一個數字，則卷積窗口將為正方形。
  • strides: 它是每個維度上卷積的步幅。如果步幅是數字，則兩個維度的步幅相等。
  • padding: 它定義了填充模式。
  • dataFormat: 它定義數據的格式，決定輸入中維度的順序。
  • dilationRate: 它定義了每個維度的膨脹卷積所使用的膨脹率。它應該是一個整數或數組或兩個或三個整數。
  • activation: 它是該層的激活函數。
  • useBias: 它定義是否使用偏差向量。
  • kernelInitializer: 它是卷積核權重矩陣的初始化器。
  • biasInitializer: 它是偏置向量的初始值設定項。
  • kernelConstraint: 它是卷積核權重矩陣的約束。
  • biasCosnstraint: 它是偏置向量的約束。
  • kernelRegularizer: 它是應用於核權重矩陣的正則化函數。
  • biasRegularizer: 它是應用於偏置向量的正則化函數。
  • activityRegularizer: 它是應用於激活的正則化函數。
  • inputShape: 它應該是一個數字數組。該字段用於創建一個輸入層，該輸入層用於插入到該層之前。
  • batchInputShape: 它應該是一個數字數組。如果提供 inputShape 和此字段作為創建用於插入到該圖層之前的輸入圖層的參數，則將使用此字段。
  • batchSize: 它應該是一個數字。在沒有batchInputShape的情況下，該字段用於使用inputShape創建batchInputShape。 batchInputShape：[batchSize，...inputShape]。
  • dtype: 如果該層用作輸入層，則該字段用作該層的數據類型。
  • name: 它應該是字符串類型。該字段定義該層的名稱。
  • trainable: 它應該是布爾值。該字段定義該層的權重是否可以通過擬合進行訓練。
  • weights: 這應該是一個定義該層初始權重值的張量。
  • inputDType: 這是用於舊版支持的數據類型。

返回值：它返回 Conv2DTranspose

示例 1：

// Import the header file
import * as tf from "@tensorflow/tfjs"
// Creating separableConv2d layer
const conv2dTranspose = tf.layers.conv2dTranspose({
    filters: 3, kernelSize: 8,
    batchInputShape: [2, 3, 5]
});
// Create an input with 2 time steps.
const input = tf.input({ shape: [4, 5, 8] });
const output = conv2dTranspose.apply(input);
// Printing the Shape of file
console.log(JSON.stringify(output.shape));

輸出：

[null,11,12,3]

示例 2：

// Import Header file
import * as tf from "@tensorflow/tfjs"
// Creating input layer
const inputShape = [1, 1, 1, 2];
const input = tf.ones(inputShape);
// Creating upSampling layer
const layer = tf.layers.conv2dTranspose({
    filters: 2, kernelSize: 2,
    batchInputShape: [1, 2, 3]
});
// Printing tensor
const output = layer.apply(input);
output.print();

輸出：

Tensor
    [[[[0.081374  , -0.2834765],
       [-0.1283467, -0.2375581]],

      [[-0.791486 , 0.2895283 ],
       [-0.2392025, -0.1721524]]]]

參考：https://js.tensorflow.org/api/latest/#layers.conv2dTranspose