Tensorflow.js tf.layers.cropping2D()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.cropping2D() 函數用於裁剪圖像張量的頂部、底部、左側和右側的輸入。

用法:

tf.layers.cropping2D(args)

輸入形狀：4D 張量，形狀：

• 如果數據格式是channelsLast：[批次、行、列、通道]
• 如果 data_format 是channelsFirst：[批次、通道、行、列]。

輸出形狀：4D 形狀：

• 如果數據格式是channelsLast：[批次、croppedRows、croppedCols、通道]
• 如果數據格式是channelsFirst：[批次、通道、croppedRows、croppedCols]。

參數：

• args:它是一種接受以下屬性的對象類型：
  • cropping (number|[number, number]|[[number, number], [number, number]]):沿寬度和高度裁剪的尺寸。
  • dataFormat:數據格式。這指定了輸入中維度的排序順序。 ChannelLast 是默認值。
  • 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。

返回：它返回一個對象(Cropping2D)。

示例 1：

import * as tf from "@tensorflow/tfjs"; 
  
const input = tf.input({ shape: [10, 10, 4] }); 
  
const cropping2DLayer = tf.layers 
    .cropping2D({ cropping: [[2, 2],[2, 2]] }); 
      
const output = cropping2DLayer.apply(input); 
  
console.log(output.shape)

輸出：

[ null, 6, 6, 4 ]

示例 2：

import * as tf from "@tensorflow/tfjs"; 
  
const input = tf.input({ shape: [10, 10, 6] }); 
const cropping2DLayer = tf.layers 
    .cropping2D({  
    cropping: [[3, 2],[2, 3]],  
    dataFormat: 'channelsFirst' 
}); 
  
const output = cropping2DLayer.apply(input); 
  
console.log(output.shape)

輸出：

[ null, 10, 5, 1 ]

參考： https://js.tensorflow.org/api/latest/#layers.cropping2D