Tensorflow.js tf.layers.zeroPadding2d()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。

tf.layers.zeroPadding2d() 函數用於在圖像張量的頂部、底部、左側和右側為零添加行和列。

用法：

tf.layers.zeroPadding2d(args);

參數：此方法接受 args 作為具有以下屬性的參數：

• Padding:這個變量接受一個整數，或者一個由 2 個整數組成的數組，或者一個由 2 個數組組成的數組，每個數組都是一個由 2 個整數組成的數組。這個變量的解釋是：
  • 如果變量是整數，則相同的對稱應用於寬度和高度。
  • 如果變量是 2 個整數的數組，則解釋為高度和寬度的兩個不同對稱值。
  • 如果變量是由 2 個數組組成的數組，則解釋為 topPad、bottomPad 表示第一個數組，而 leftPad、rightPad 表示第二個數組。
• dataFormat:此變量定義輸入張量的形狀格式。如果可以是channelsLast 或channelsFirst。此值定義輸入中維度的順序。 channelsLast 定義形狀 [batch, height, width, channels] 而 channelsFirst 定義 [batch, channels, height, width]。
• inputShape:它可以是空值或數字數組。它用於創建一個輸入層以在下一層之前插入。此變量僅用於模型的第一層。
• batchInputShape:此變量接受空值或數字數組。此變量的工作方式與 inputShape 相同，但如果同時定義了 inputShape 和 batchInputShape，則使用 batchInputShape。此變量僅用於模型的第一層。
• batchSize:它是一個數字，它有助於 batchInpuShape 變量。如果沒有定義batchInputShape，它用於創建batchInputShape。
• dtype:該變量用於定義填充層的數據類型。默認為 ‘float32’。此變量僅用於模型的第一層。
• name:它定義了層的名稱。
• trainable:它是一個布爾類型。它定義的圖層數據可以通過適合與否來更新。默認值為真。
• weights:它是 tf.Tensor 類型。它聲明了圖層的初始權重值。
• inputDType:它定義了輸入層的數據類型。遺留支持。不要用於新代碼。

返回值：它返回 ZeroPadding2D 對象。

範例1：在本例中，我們添加了一個具有默認值的 zero-padding 層。

// Importing tensorflow
const tf = require("@tensorflow/tfjs")
  
// Input 4d Tensor     
const img4d = tf.tensor4d([1, 2, 3, 4], [1, 2, 2, 1]);
  
// Adding padding in Tensor
const pad = tf.layers.zeroPadding2d();
const imgpad = pad.apply(img4d);
  
// Printting 4d TEsor with padding</div>
imgpad.print()

Tensor    [[[[0], [0], [0], [0]],
            [[0], [1], [2], [0]],
            [[0], [3], [4], [0]],
            [[0], [0], [0], [0]]]]

// Importing tensorflow
const tf = require("@tensorflow/tfjs")
  
// Input 4d Tensor     
const img4d = tf.tensor4d([1, 2, 3, 4], [1, 2, 2, 1]);
  
// Adding padding in Tensor
const pad = tf.layers.zeroPadding2d({
    padding:2,
    dataFormat:'channelsFirst', dtype:'int32'
});
  
const imgpad = pad.apply(img4d);
  
// Printting 4d TEsor with padding
imgpad.print()

Tensor
    [[[[0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0],
       [0, 0, 1, 0, 0],
       [0, 0, 2, 0, 0],
       [0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0]],

      [[0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0],
       [0, 0, 3, 0, 0],
       [0, 0, 4, 0, 0],
       [0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0]]]]