Tensorflow.js tf.layers.globalAveragePooling1d()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.globalAveragePooling1d() 函數用於對時態數據應用全局平均池化操作。

句法：

tf.layers.globalAveragePooling1d( args )

參數：

• args: 它需要一個具有以下屬性的對象：
  • inputShape: 如果指定了，它將用於構造一個輸入層，該輸入層將插入到該層之前。
  • batchInputShape:如果指定，它將用於創建一個輸入層，該輸入層將插入到該層之前。
  • batchSize:它支持inputShape來構建batchInputShape。
  • dtype: 這是該層的數據類型。該參數僅適用於輸入層。
  • name: 它是字符串類型。這是該層的名稱。
  • trainable: 如果設置為 true，則隻有該層的權重會因擬合而改變。
  • weights: 圖層的初始權重值。
  • InputDType: 它用於舊版支持。

返回：它返回 GlobalAveragePooling1D。

示例 1：

import * as tf from "@tensorflow.js/tfjs"
  
const model = tf.sequential(); 
  
// First layer must have a defined input shape 
model.add(tf.layers.globalAveragePooling1d({ 
    batchInputShape:[4,3, 3],  
    trainable: true 
})); 
  
// Afterwards, TF.js does automatic shape inference. 
model.add(tf.layers.dense({units: 3})); 
  
// Printing the summary of model 
model.summary();

輸出：

__________________________________________________________________________________________
Layer (type)                Input Shape               Output shape              Param #   
==========================================================================================
global_average_pooling1d_Gl [[4,3,3]]                 [4,3]                     0         
__________________________________________________________________________________________
dense_Dense7 (Dense)        [[4,3]]                   [4,3]                     12        
==========================================================================================
Total params: 12
Trainable params: 12
Non-trainable params: 0
__________________________________________________________________________________________

示例 2：

import * as tf from "@tensorflow/tfjs"; 
  
const Input = tf.input({ shape: [2, 5] }); 
const globalAveragePooling1d = 
    tf.layers.globalAveragePooling1d({   
          InputShape:[4,3, 3], trainable: true 
    }); 
  
const Output = globalAveragePooling1d.apply(Input); 
  
const Data = tf.ones([2, 2, 5]); 
const model = 
    tf.model({ inputs: Input, outputs: Output }); 
  
model.predict(Data).print();

輸出：

Tensor
    [[1, 1, 1, 1, 1],
     [1, 1, 1, 1, 1]]

參考：https://js.tensorflow.org/api/latest/#layers.globalAveragePooling1d