Tensorflow.js tf.layers.maxPooling1d()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。

Tensorflow.js tf.layers.maxPooling1d() 函數用於對時態數據進行最大池化操作。

用法:

tf.layers.maxPooling1d( args );

參數：

• args: 它指定給定的配置對象：
  • poolSize: 它是一個數字或數字數組。它指定要池化的窗口的大小。
  • strides: 它是一個數字或數字數組。它指定對匯總值進行采樣的周期。
  • padding: 它應該是以下三個值之一：‘valid’, ‘same’和‘casual’。它指定如何填充不是poolSize整數倍的數據。
  • inputSize: 它應該為空或數字數組。它用於創建要插入到這些層之前的輸入層。
  • batchInputShape: 它應該為空或數字數組。我定義它用於創建輸入層以插入到這些層之前。 batchInputShape 比 inputSize 具有更高的優先級，因此我們更喜歡 batchInputSize 而不是 inputSize。
  • 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 MaxPooling1d。

示例 1：在此示例中，我們將向順序模型添加 tf.layers.maxPooling1d() 函數並打印模型摘要。

import * as tf from "@tensorflow.js/tfjs"
  
const model = tf.sequential(); 
  
// First layer must have a defined input shape 
model.add(tf.layers.maxPooling1d({ 
    poolSize: 4,  
    strides: 5,  
    padding: 'valid', 
    inputShape: [4,3] 
})); 
  
// Afterwards, TF.js does automatic shape inference. 
model.add(tf.layers.maxPooling1d({ 
    poolSize: 4,  
    strides: 5,  
    padding: 'valid'
})); 
  
// Printing the summary of model 
model.summary(); 

輸出：

__________________________________________________________________________________________
Layer (type)                Input Shape               Output shape              Param #   
==========================================================================================
max_pooling1d_MaxPooling1D2 [[null,4,3]]              [null,1,3]                0         
__________________________________________________________________________________________
max_pooling1d_MaxPooling1D2 [[null,1,3]]              [null,0,3]                0         
==========================================================================================
Total params: 0
Trainable params: 0
Non-trainable params: 0
__________________________________________________________________________________________

示例 2：< 在此示例中，我們將為模型創建 maxPooling1d 層並檢查模型形狀。

import * as tf from "@tensorflow.js/tfjs"
  
const model = tf.sequential(); 
  
// First layer must have a defined input shape 
model.add(tf.layers.maxPooling1d({ 
    poolSize: 4,  
    strides: 5,  
    padding: 'valid', 
    inputShape: [4,3] 
})); 
  
// Afterwards, TF.js does automatic shape inference. 
model.add(tf.layers.dense({units: 3})); 
  
model.add(tf.layers.maxPooling1d({ 
    poolSize: 4,  
    strides: 5,  
    padding: 'valid'
})); 
  
// Inspect the inferred shape of the model's output. 
console.log(JSON.stringify(model.outputs[0].shape));

輸出：

[null,0,3]

參考：https://js.tensorflow.org/api/latest/#layers.maxPooling1d