Función Tensorflow.js tf.layers.permute()

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().

// 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.

// 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