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:
Javascript
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:
Javascript
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
Publicación traducida automáticamente
Artículo escrito por aayushmohansinha y traducido por Barcelona Geeks. The original can be accessed here. Licence: CCBY-SA