Función Tensorflow.js tf.layers.averagePooling2d()

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.averagePooling2d() se usa para aplicar la operación de agrupación promedio para datos espaciales. Si su campo dataFormat se establece en CHANNEL_LAST, toma el tensor como entrada con forma 4d [tamaño de lote, filas, columnas, canales] y genera el tensor con forma 4d: [tamaño de lote, poolsRows, pooledCols, canales]. Su archivo de formato de datos se establece en CHANNEL_FIRST, toma el tensor como entrada con forma 4d: [tamaño de lote, canales, filas, columnas] y genera el tensor con forma: [tamaño de lote, canales, poolsRows, pooledCols]. 

Sintaxis:

tf.layers.averagePooling2d( args )

Parámetros:

• args: Es un objeto con las siguientes propiedades:
  • poolSize: se utiliza para reducir los factores de escala en cada dimensión, es decir, [vectical, horizonatal]. Es un número entero o se espera una array de dos números enteros. 
  • zancadas: en cada dimensión de la ventana de agrupación, el tamaño de la zancada. Es un número entero o se requiere una array de dos números enteros. 
  • relleno: el tipo de relleno que se utilizará para la capa de agrupación.
  • dataFormat: el formato de datos que se utilizará para la capa de agrupación. 
  • inputShape: si se especifica entonces, se utilizará para construir una capa de entrada que se insertará antes de esta capa. 
  • batchInputShape: si se especifica, se utilizará para crear una capa de entrada que se insertará antes de esta capa.
  • batchSize: Admite inputShape para construir el batchInputShape.
  • dtype: Es el tipo de tipo de datos para esta capa. Este parámetro se aplica exclusivamente a las capas de entrada.
  • nombre: Es de tipo string. Es el nombre de esta capa.
  • entrenable: si se establece en verdadero, solo los pesos de esta capa cambiarán por ajuste.
  • pesos: Los valores de peso iniciales de la capa.

Devoluciones: Devuelve AveragePooling2D

Ejemplo 1:

import * as tf from "@tensorflow.js/tfjs"
  
const model = tf.sequential();
// First layer must have a defined input shape
model.add(tf.layers.averagePooling2d({
    poolSize: 2,
    strides: 3,
    padding: 'valid',
    inputShape: [2, 3, 2]
}));
// Afterwards, TF.js does automatic shape inference.
model.add(tf.layers.dense({units: 3}));
model.add(tf.layers.averagePooling2d({
    poolSize: 2,
    strides: 3,
    padding: 'valid'
}));
// Inspect the inferred shape of the model's output.
model.summary();

Producción:

__________________________________________________________________________________________
Layer (type)                Input Shape               Output shape              Param #   
==========================================================================================
average_pooling2d_AveragePo [[null,2,3,2]]            [null,1,1,2]              0         
__________________________________________________________________________________________
dense_Dense4 (Dense)        [[null,1,1,2]]            [null,1,1,3]              9         
__________________________________________________________________________________________
average_pooling2d_AveragePo [[null,1,1,3]]            [null,0,0,3]              0         
==========================================================================================
Total params: 9
Trainable params: 9
Non-trainable params: 0
__________________________________________________________________________________________

Ejemplo 2:

import * as tf from "@tensorflow/tfjs";
  
const Input = tf.input({ shape: [2, 3, 5] });
const averagePooling2DLayer =
    tf.layers.averagePooling2d(
        { dataFormat: 'channelsLast' }
    );
const Output = averagePooling2DLayer.apply(Input);
const Data = tf.ones([2, 2, 3, 5]);
const model =
    tf.model({ inputs: Input, outputs: Output });
model.predict(Data).print();

Producción:

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


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

Referencia: https://js.tensorflow.org/api/latest/#layers.averagePooling2d