Las capas en los modelos son los bloques básicos en la construcción de modelos, ya que cada capa realiza algún cálculo en la entrada y salida de la siguiente capa.
La función tf.layers.permute() se hereda de la clase de capas y se usa para permutar las dimensiones de la entrada en un patrón dado. También se usa para conectar RNN y convnet. En este post vamos a conocer cómo funciona esta función.
Sintaxis:
tf.layers.permute(agrs)
Parámetros:
- dims: es una array de enteros que representa el patrón de permutación. No incluye dimensiones de lote.
- inputShape: Se utiliza para crear e insertar la capa de entrada.
- batchInputShape: Se utiliza para crear e insertar la capa de entrada. Si se mencionan inputShape y batchInputShape, se usará batchInputShape.
- batchSize: se utiliza para crear batchInputShape cuando se especifica inputShape y loteInputShape no.
- dtype: el tipo de datos de la capa.
- name: Representa el nombre de la capa.
- entrenable: Es un valor booleano que representa si los pesos se actualizan o no por ajuste.
- pesos: Es una array de peso que representa los valores de peso iniciales de las capas.
Devoluciones: Permutar
Ejemplo 1: En este ejemplo, vamos a crear un modelo con una sola capa y solo pasaremos los agrs requeridos a la función permute().
Javascript
// Importing the tensorflow.js library import * as tf from "@tensorflow/tfjs" //create model const model = tf.sequential(); //add layer into model and use permute() method model.add(tf.layers.permute({ dims: [2,1], inputShape:[8,8] })); //print outputShape console.log("Output Shape"+model.outputShape); //model summary() model.summary()
Producción:
Output Shape,8,8 _________________________________________________________________ Layer (type) Output shape Param # ================================================================= permute_Permute11 (Permute) [null,8,8] 0 ================================================================= Total params: 0 Trainable params: 0 Non-trainable params: 0 _________________________________________________________________
Ejemplo 2: En este ejemplo, vamos a crear un modelo con 2 capas, la capa 1 y la capa 2 con la función permutar() y pasarle todos los agrs.
Javascript
// Importing the tensorflow.js library //import * as tf from "@tensorflow/tfjs" //create model const model = tf.sequential(); //add layer into model and use permute() method //layer 1 model.add(tf.layers.permute({ dims: [2,1], inputShape:[10,64], dtype:'int32', name:'layer1', batchSize:2, trainable:true, inputDType:'int32' })); //add layer2 model.add(tf.layers.permute({ dims: [2,1], inputShape:[8,16], dtype:'int32', name:'layer2', batchSize:2, trainable:true, inputDType:'int32' })); //print outputShape console.log("Output Shape :"+model.outputShape); //model summary() model.summary()
Producción:
Output Shape :2,10,64 _________________________________________________________________ Layer (type) Output shape Param # ================================================================= layer1 (Permute) [2,64,10] 0 _________________________________________________________________ layer2 (Permute) [2,10,64] 0 ================================================================= Total params: 0 Trainable params: 0 Non-trainable params: 0 _________________________________________________________________
Referencias: https://js.tensorflow.org/api/latest/#layers.permute
Publicación traducida automáticamente
Artículo escrito por abhijitmahajan772 y traducido por Barcelona Geeks. The original can be accessed here. Licence: CCBY-SA