Tensorflow.js tf.layers.upSampling2d() Función

Tensorflow.js es una biblioteca de código abierto desarrollada por Google para ejecutar modelos de aprendizaje automático y redes neuronales de aprendizaje profundo en el entorno del navegador o del Node. También ayuda a los desarrolladores a desarrollar modelos ML en lenguaje JavaScript y puede usar ML directamente en el navegador o en Node.js.

La función tf.layers.upSampling2d() se usa para repetir las filas y columnas de los datos por tamaño[0] y tamaño[1] respectivamente. upSampling2d es la capa Up-Sampling para entradas 2D.

 Sintaxis:

tf.layers.upSampling2d( args )

Parámetros:

• args: Acepta el objeto con los siguientes campos:
  • tamaño: Es una array de números. Es el factor upSampling para filas y columnas.
  • dataFormat: Es el formato de los datos, que determina el orden de la dimensión en las entradas.
  • interpolación: Define el mecanismo de interpolación. Debe ser ‘más cercano’ o bilineal’. El valor predeterminado es ‘más cercano’.
  • inputShape: debe ser una array de números. Este campo se usa para crear una capa de entrada que se usa para insertarse antes de esta capa.
  • batchInputShape: debe ser una array de números. Este campo se usará en lugar de inputShape para crear la capa de entrada que se usa para insertar antes de esta capa.
  • tamaño del lote: debe ser un número. En ausencia de batchInputShape, este campo se usa para crear batchInputShape con inputShape. batchInputShape : [ tamaño del lote , … forma de entrada ].
  • dtype: si esta capa se usa como capa de entrada, este campo se usa como tipo de datos para esta capa.
  • nombre: Debe ser un tipo de string. este campo define el nombre de esta capa.
  • entrenable: debe ser booleano. Este campo define si los pesos de esta capa se pueden entrenar con ajuste o no.
  • pesos: Este debería ser un tensor que defina el valor de peso inicial para esta capa.
  • inputDType: este es un tipo de datos que se utiliza para el soporte heredado.

Parámetros: Devuelve UpSampling2D.

Ejemplo 1:

// Import the header file
import * as tf from "@tensorflow/tfjs"
  
// Creating upSampling2d layer
const upSampling = tf.layers.upSampling2d({
    size: [2, 1],
    batchInputShape: [2, 3, 5, 5]
});
  
// Create an input with 2 time steps.
const input = tf.input({shape: [2, 3, 3]});
const output = upSampling.apply(input);
  
// Printing the Shape of file
console.log(JSON.stringify(output.shape));

Producción:

[null, 4, 3, 3]

Ejemplo 2:

// Import Header file
import * as tf from "@tensorflow/tfjs"
  
// Creating input layer
const inputShape = [1, 1, 1, 2];
const input = tf.ones(inputShape);
  
// Creating upSampling layer
const layer = tf.layers.upSampling2d({size: [1,2]});
  
// Printing tensor
const output = layer.apply(input);
output.print();

Producción:

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

Referencia: https://js.tensorflow.org/api/latest/#layers.upSampling2d