Tensorflow.js tf.layers.maxPooling1d() 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.

La función Tensorflow.js tf.layers.maxPooling1d() se usa para la operación de agrupación máxima en datos temporales.

Sintaxis:

tf.layers.maxPooling1d( args );

Parámetros:

• args: especifica el objeto de configuración dado:
  • poolSize: Es un número o arreglo de números. Especifica el tamaño de las ventanas para agrupar.
  • zancadas: Es un número o arreglo de números. Especifica el período en el que muestrear los valores agrupados.
  • relleno: debe ser uno de estos tres valores: ‘válido’, ‘igual’ e ‘casual’. Especifica cómo completar los datos que no son un múltiplo entero de poolSize. 
  • inputSize: debe ser nulo o una array de números. Se utiliza para crear la capa de entrada para insertar antes de estas capas. 
  • batchInputShape: debe ser nulo o una array de números. Lo definí, como se usa para crear la capa de entrada para insertar antes de estas capas. batchInputShape tiene más prioridad que inputSize, por lo que preferimos batchInputSize sobre inputSize.
  • 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 el tipo de datos que se utiliza para el soporte heredado. 

Valor devuelto: Devuelve MaxPooling1d. 

Ejemplo 1: En este ejemplo, agregaremos la función tf.layers.maxPooling1d() al modelo secuencial e imprimiremos un resumen del modelo.

import * as tf from "@tensorflow.js/tfjs"
  
const model = tf.sequential();
  
// First layer must have a defined input shape
model.add(tf.layers.maxPooling1d({
    poolSize: 4, 
    strides: 5, 
    padding: 'valid',
    inputShape: [4,3]
}));
  
// Afterwards, TF.js does automatic shape inference.
model.add(tf.layers.maxPooling1d({
    poolSize: 4, 
    strides: 5, 
    padding: 'valid'
}));
  
// Printing the summary of model
model.summary();

Producción:

​__________________________________________________________________________________________
Layer (type)                Input Shape               Output shape              Param #   
==========================================================================================
max_pooling1d_MaxPooling1D2 [[null,4,3]]              [null,1,3]                0         
__________________________________________________________________________________________
max_pooling1d_MaxPooling1D2 [[null,1,3]]              [null,0,3]                0         
==========================================================================================
Total params: 0
Trainable params: 0
Non-trainable params: 0
__________________________________________________________________________________________

Ejemplo 2: < En este ejemplo, crearemos la capa maxPooling1d en nuestro modelo e inspeccionaremos la forma del modelo.

import * as tf from "@tensorflow.js/tfjs"
  
const model = tf.sequential();
  
// First layer must have a defined input shape
model.add(tf.layers.maxPooling1d({
    poolSize: 4, 
    strides: 5, 
    padding: 'valid',
    inputShape: [4,3]
}));
  
// Afterwards, TF.js does automatic shape inference.
model.add(tf.layers.dense({units: 3}));
  
model.add(tf.layers.maxPooling1d({
    poolSize: 4, 
    strides: 5, 
    padding: 'valid'
}));
  
// Inspect the inferred shape of the model's output.
console.log(JSON.stringify(model.outputs[0].shape));

Producción:

[null,0,3]

Referencia: https://js.tensorflow.org/api/latest/#layers.maxPooling1d