Función Tensorflow.js tf.layers.averagePooling1d()

Tensorflow.js es un conjunto de herramientas de código abierto desarrollado por Google para ejecutar modelos de aprendizaje automático y redes neuronales de aprendizaje profundo en el navegador o en la plataforma del Node. También permite a los desarrolladores crear modelos de aprendizaje automático en JavaScript y utilizarlos directamente en el navegador o con Node.js.

La función tf.layers.averagePooling1d() se usa para aplicar la operación de agrupación promedio en los datos.

Sintaxis:

tf.layers.averagePooling1d (args)

Forma de entrada: [batchSize, inLength, canales]

Forma de salida: [batchSize, pooledLength, canales]

Parámetros: Acepta el objeto args el cual puede tener las siguientes propiedades:

• args: es un valor de tipo de objeto que puede aceptar los siguientes valores:
  • poolSize: Es el tamaño de la ventana de agrupación. Esto debería ser un número entero.
  • zancadas: El período para el muestreo de los valores agrupados. El valor predeterminado es poolSize si es nulo.
  • padding: esto especifica cómo completar los datos que no son un múltiplo entero de poolSize
  • inputShape: si se establece esta propiedad, se utilizará para construir una capa de entrada que se insertará antes de esta capa. 
  • batchInputShape: si se establece esta propiedad, se creará e insertará una capa de entrada antes de esta capa. 
  • batchSize: si no se proporciona batchInputShape y sí inputShape, se utiliza batchSize para crear el batchInputShape.
  • dtype: Es el tipo de tipo de datos para esta capa. float32 es el valor predeterminado. Este parámetro se aplica exclusivamente a las capas de entrada.
  • nombre: Este es el nombre de la capa y es de tipo string.
  • entrenable: si los pesos de esta capa se pueden cambiar por ajuste. Verdadero es el valor predeterminado.
  • pesos: Los valores de peso iniciales de la capa.
  • inputDType: Es el soporte heredado. No se utilizará con el nuevo código.

Devoluciones: Devuelve un objeto (AveragePooling1D).

Ejemplo 1:

import * as tf from "@tensorflow/tfjs";
  
const input = tf.input({ shape: [4, 4] });
const averagePoolingLayer = tf.layers.averagePooling1d({ 
    poolSize: 2, 
    strides: 1, 
    padding: 'valid' 
});
  
const output = averagePoolingLayer.apply(input);
  
const model = tf.model({ 
    inputs: input, 
    outputs: output 
});
  
model.predict(tf.ones([1, 4, 4])).print();

Producción:

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

Ejemplo 2:

import * as tf from "@tensorflow/tfjs";
  
const input = tf.input({ shape: [4, 3] });
  
const averagePoolingLayer = tf.layers.averagePooling1d({ 
    poolSize: 2, 
    strides: 2, 
    padding: 'valid' 
});
      
const output = averagePoolingLayer.apply(input);
  
const model = tf.model({ inputs: input, outputs: output });
  
const x = tf.tensor3d(
    [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12], 
    [1, 4, 3]
);
  
model.predict(x).print();

Producción:

Tensor
   [[[2.5, 3.5, 4.5 ],
     [8.5, 9.5, 10.5]]]

Referencia: https://js.tensorflow.org/api/latest/#layers.averagePooling1d