Tensorflow.js tf.layers.Layer 类

简介： Tensorflow.js 是谷歌开发的一个开源库，用于在浏览器或节点环境中运行机器学习模型和深度学习神经网络。 tf.layers.Layer 类用于扩展 serialization.Serializable 类。此外，层是可以收集的过程和权重的集群，以构建 tf.LayersModel。层是通过应用 tf.layers 命名空间下的函数创建的。

这个tf.layers.Layer 类包含十个内置方法，如下所示：

• tf.layers.Layer 类 .apply() 方法
• tf.layers.Layer 类 .countParams() 方法
• tf.layers.Layer 类 .build() 方法
• tf.layers.Layer 类 .getWeights() 方法
• tf.layers.Layer 类 .setWeights() 方法
• tf.layers.Layer 类 .addWeight() 方法
• tf.layers.Layer 类 .addLoss() 方法
• tf.layers.Layer 类 .computeOutputShape() 方法
• tf.layers.Layer 类 .getConfig() 方法
• tf.layers.Layer 类 .dispose() 方法

1. tf.layers.Layer类.apply()方法：用于执行Layers计算并在我们用tf.Tensor(s)调用时返回Tensor(s)。如果我们用 tf.SymbolicTensor(s) 调用它，它将为未来执行准备层。

例子：

Javascript

import * as tf from "@tensorflow/tfjs"
  
const denseLayer = tf.layers.dense({
units: 1,
kernelInitializer: 'ones',
useBias: false
});
  
const input = tf.ones([2, 2]);
const output = denseLayer.apply(input);
  
// Print the output
print(output)

输出：

Tensor [[2], [2]]

2. tf.layers.Layer 类.countParams() 方法：用于求float32、int32等数字在规定权重中的绝对计数。

例子：

Javascript

// Importing the tensorflow.js library
import * as tf from "@tensorflow/tfjs"
  
// Creating a model
const model = tf.sequential();
  
// Adding a layer
model.add(tf.layers.dense({units: 2, inputShape: [11]}));
  
// Calling setWeights() method
model.layers[0].setWeights(
    [tf.truncatedNormal([11, 2]), tf.zeros([2])]);
  
// Calling countParams() method and also
// Printing output
console.log(model.layers[0].countParams());

输出：

24

3. tf.layers.Layer 类.build() 方法：用于创建所述层的权重。这种方法应该应用于每个持有权重的层。此外，它在调用 apply() 方法以构建权重时调用。

例子：

Javascript

// Importing the tensorflow.js library
import * as tf from "@tensorflow/tfjs"
  
// Creating a model
const model = tf.sequential();
  
// Adding a layer
model.add(tf.layers.dense({units: 1, inputShape: [3]}));
  
// Defining input
const input = tf.input({shape: [6, 2, 6]});
  
// Calling build method with its
// parameter
model.layers[0].build([input.Shape]);
  
// Printing output
console.log(JSON.stringify(input.shape));
model.layers[0].getWeights()[0].print();

输出：

[null,6,2,6]
Tensor
    [[-0.3726568],
     [0.7343086 ],
     [-0.2459907]]

4. tf.layers.Layer 类.getWeights() 方法：用于获取张量的权重值。

例子：

Javascript

// Creating a model
const model = tf.sequential();
  
// Adding layers
model.add(tf.layers.dense({units: 2, inputShape: [5]}));
model.add(tf.layers.dense({units: 3}));
  
model.compile({loss: 'categoricalCrossentropy', optimizer: 'sgd'});
  
// Printing the weights of the layers
model.layers[0].getWeights()[0].print()
model.layers[0].getWeights()[1].print()

输出：

Tensor
    [[-0.4756567, 0.2925433 ],
     [0.3505997 , -0.5043278],
     [0.5344347 , 0.2662918 ],
     [-0.1357223, 0.2435055 ],
     [-0.6059403, 0.1990891 ]]
Tensor
    [0, 0]

5. tf.layers.Layer 类 .setWeights() 方法：用于根据给定的张量设置所述层的权重。

例子：

Javascript

// Importing the tensorflow.js library
import * as tf from "@tensorflow/tfjs"
  
// Creating a model
const model = tf.sequential();
  
// Adding a layer
model.add(tf.layers.dense({units: 2, inputShape: [11]}));
  
// Calling setWeights() method
model.layers[0].setWeights([tf.truncatedNormal([11, 2]), tf.zeros([2])]);
  
// Compiling the model
model.compile({loss: 'categoricalCrossentropy', optimizer: 'sgd'});
  
// Printing output using getWeights() method
model.layers[0].getWeights()[0].print();

输出：

Tensor
    [[-0.5969906, -0.1883931],
     [0.8569255 , -0.49416  ],
     [0.1157023 , 0.1150239 ],
     [-0.4052143, 1.9936075 ],
     [0.3090054 , 0.7212474 ],
     [0.4626641 , -0.7287846],
     [0.4352857 , -0.5195332],
     [0.4626429 , 0.0216295 ],
     [-0.1110666, -0.5997615],
     [-0.5083916, -0.3582681],
     [-0.2847465, 1.184485  ]]

6. tf.layers.Layer 类.addWeight() 方法：用于给指定层添加权重变量。

例子：

Javascript

// Importing the tensorflow.js library
import * as tf from "@tensorflow/tfjs"
  
// Creating a model
const model = tf.sequential();
  
// Adding a layer
model.add(tf.layers.dense({units: 2, inputShape: [1]}));
  
// Calling addWeight() method
const res = model.layers[0].addWeight('wt_var',
        [1, 5], 'int32', tf.initializers.ones());
  
// Printing output
console.log(res);
model.layers[0].getWeights()[0].print();

输出：

{
  "dtype": "int32",
  "shape": [
    1,
    5
  ],
  "id": 1582,
  "originalName": "wt_var",
  "name": "wt_var_2",
  "trainable_": true,
  "constraint": null,
  "val": {
    "kept": false,
    "isDisposedInternal": false,
    "shape": [
      1,
      5
    ],
    "dtype": "int32",
    "size": 5,
    "strides": [
      5
    ],
    "dataId": {
      "id": 2452
    },
    "id": 2747,
    "rankType": "2",
    "trainable": true,
    "name": "wt_var_2"
  }
}
Tensor
     [[0.139703, 0.9717236],]

7. tf.layers.Layer 类.addLoss() 方法：用于将损失附加到所述层。此外，损失可能取决于一些输入张量，例如操作损失取决于所述层的输入。

例子：

Javascript

// Importing the tensorflow.js library
import * as tf from "@tensorflow/tfjs"
  
// Creating a model
const model = tf.sequential();
  
// Adding a layer
model.add(tf.layers.dense({units: 1, inputShape: [3]}));
  
// Defining input
const input = tf.tensor1d([1, 2, 3, 4]);
  
// Calling addLoss() method with its
// parameter
const res = model.layers[0].addLoss([tf.abs(input)]);
  
// Printing output
console.log(JSON.stringify(input));
model.layers[0].getWeights()[0].print();

输出：

{"kept":false,"isDisposedInternal":false,
"shape":[4],"dtype":"float32",
"size":4,"strides":[],"dataId":{"id":82},
"id":124,"rankType":"1","scopeId":61}
Tensor
    [[0.143441  ],
     [-0.58002  ],
     [-0.5836995]]

8. tf.layers.Layer 类.computeOutputShape() 方法：用于枚举指定层的输出形状。它假定将创建图层以匹配提供的输入形状。

例子：

Javascript

// Importing the tensorflow.js library
import * as tf from "@tensorflow/tfjs"
  
// Creating a model
const model = tf.sequential();
  
// Adding a layer
model.add(tf.layers.dense({units: 1, inputShape: [3]}));
  
// Defining inputShape
const inputShape = [6, 2, 6];
  
// Calling computeOutputShape() method with its
// parameter
const val = model.layers[0].computeOutputShape(inputShape);
  
// Printing output
console.log(val);

输出：

6,2,1

9. tf.layers.Layer 类.getConfig() 方法：用于获取层的配置。

例子：

Javascript

const tf = require("@tensorflow/tfjs")
  
// Creating a minLayer
const minLayer = tf.layers.minimum();
  
// Getting the configuration of the layer
const config = minLayer.getConfig();
console.log(config)

输出：

{ name: 'minimum_Minimum1', trainable: true }

10. tf.layers.Layer 类 .dispose() 方法：用于处置所述层的权重。此外，它通过一个减少了所述层对象的引用计数。

例子：

Javascript

// Importing the tensorflow.js library
import * as tf from "@tensorflow/tfjs"
  
// Creating a model
const model = tf.sequential();
  
// Adding a layer
model.add(tf.layers.dense({units: 1, inputShape: [3]}));
  
// Calling dispose method
const val = model.layers[0].dispose();
  
// Printing output
console.log(val);

输出：

{
  "refCountAfterDispose": 0,
  "numDisposedVariables": 2
}

参考： https://js.tensorflow.org/api/latest/#class:layers.Layer