Tensorflow.js tf.layers.maxPooling3d()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.maxPooling3d() 函數用於對 3D 數據應用最大池化操作。

句法：

tf.layers.maxPooling3d(args)

參數：

• args: 它是可以具有以下屬性的對象：
  • poolSize: 它用於縮小每個維度的因子，即[深度、高度、寬度]。它是一個整數或三個整數的數組。
  • strides: 在池化窗口的每個維度中，步幅大小。它是一個整數或需要三個整數的數組。
  • padding: 用於池化層的填充類型。
  • dataFormat: 用於池化層的數據格式。
  • 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 MaxPooling3D

示例 1：

import * as tf from "@tensorflow/tfjs"; 
  
const input = tf.input({ shape: [3, 2, 4, 3] }); 
const maxPoolingLayer = tf.layers.maxPooling3d( 
    { poolSize: [2, 2,4],  
    strides:[3, 4, 5],  
    padding: 'valid' }); 
const output = maxPoolingLayer.apply(input); 
  
const model = tf.model({ inputs: input, outputs: output }); 
model.summary();

輸出：

__________________________________________________________________________________________
Layer (type)                Input Shape               Output shape              Param #   
==========================================================================================
input44 (InputLayer)        [[null,3,2,4,3]]          [null,3,2,4,3]            0         
__________________________________________________________________________________________
max_pooling3d_MaxPooling3D4 [[null,3,2,4,3]]          [null,1,1,1,3]            0         
==========================================================================================
Total params: 0
Trainable params: 0
Non-trainable params: 0
__________________________________________________________________________________________

示例 2：

import * as tf from "@tensorflow/tfjs"; 
const input = tf.input({ shape: [2, 2, 4,5] }); 
const maxPoolingLayer =    tf.layers.maxPooling3d({ poolSize: [2, 2,4]  
                              ,strides:[3, 4, 5], padding: 'valid' }); 
const output = maxPoolingLayer.apply(input); 
const model = tf.model({ inputs: input, outputs: output }); 
const x = tf.ones([2, 2, 2, 4,5]); 
model.predict(x).print();

輸出：

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

參考：https://js.tensorflow.org/api/latest/#layers.maxPooling3d