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.maxPooling3d() se usa para aplicar la operación de agrupación máxima en datos 3D.
Sintaxis:
tf.layers.maxPooling3d(args)
Parámetros:
- args: Es el objeto que puede tener las siguientes propiedades:
- poolSize: se utiliza para reducir los factores de escala en cada dimensión, es decir, [profundidad, altura, anchura]. Es un número entero o se espera una array de tres 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 tres 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.
- inputDType: se utiliza para el soporte heredado.
Devoluciones: Devuelve MaxPooling3D
Ejemplo 1:
Javascript
import * as tf from "@tensorflow/tfjs"; const input = tf.input({ shape: [3, 2, 4, 3] }); const maxPoolingLayer = tf.layers.maxPooling3d( { poolSize: [2, 2,4], strides:[3, 4, 5], padding: 'valid' }); const output = maxPoolingLayer.apply(input); const model = tf.model({ inputs: input, outputs: output }); model.summary();
Producción:
__________________________________________________________________________________________ Layer (type) Input Shape Output shape Param # ========================================================================================== input44 (InputLayer) [[null,3,2,4,3]] [null,3,2,4,3] 0 __________________________________________________________________________________________ max_pooling3d_MaxPooling3D4 [[null,3,2,4,3]] [null,1,1,1,3] 0 ========================================================================================== Total params: 0 Trainable params: 0 Non-trainable params: 0 __________________________________________________________________________________________
Ejemplo 2:
Javascript
import * as tf from "@tensorflow/tfjs"; const input = tf.input({ shape: [2, 2, 4,5] }); const maxPoolingLayer = tf.layers.maxPooling3d({ poolSize: [2, 2,4] ,strides:[3, 4, 5], padding: 'valid' }); const output = maxPoolingLayer.apply(input); const model = tf.model({ inputs: input, outputs: output }); const x = tf.ones([2, 2, 2, 4,5]); model.predict(x).print();
Producción:
Tensor [[[[[1, 1, 1, 1, 1],]]], [[[[1, 1, 1, 1, 1],]]]]
Referencia: https://js.tensorflow.org/api/latest/#layers.maxPooling3d
Publicación traducida automáticamente
Artículo escrito por satyam00so y traducido por Barcelona Geeks. The original can be accessed here. Licence: CCBY-SA