TensorFlow.js 中的 tf.layers.conv1d() 函数介绍

tf.layers.conv1d() 函数是 TensorFlow.js 中的一个深度学习层类型，用于执行 1D 卷积操作。

使用语法

tf.layers.conv1d(
    config
)

参数 config 是一个包含以下属性的对象：

• filters：整数，卷积核滤波器的数量。
• kernelSize：整数，卷积核的尺寸。
• strides：整数，卷积过滤器被应用于层的步长。
• padding：字符串，决定如何填充输入以保持形状。
• activation：字符串，指定激活函数类型。
• useBias：布尔值，是否使用偏置项。
• kernelInitializer：字符串或初始化器函数，用于初始化卷积核。
• biasInitializer：字符串或初始化器函数，用于初始化偏置项。
• kernelRegularizer：tf.Regulizer 对象，用于对卷积核进行正则化。
• biasRegularizer：tf.Regulizer 对象，用于对偏置项进行正则化。
• activityRegularizer：tf.Regulizer 对象，用于对输出进行正则化。
• name：字符串，指定该层的名称。

返回值

一个 tf.layers.Layer 类型的对象，可以应用于输入张量，产生输出张量。

使用示例

以下是一个使用 tf.layers.conv1d() 函数创建卷积层的示例：

const input = tf.input({shape: [128, 1]});
const conv1dLayer = tf.layers.conv1d({
  filters: 32,
  kernelSize: 3,
  strides: 1,
  padding: 'valid',
  activation: 'relu',
  useBias: true,
  kernelInitializer: 'glorotUniform',
  biasInitializer: 'Zeros',
  kernelRegularizer: null,
  biasRegularizer: null,
  activityRegularizer: null,
  name: 'conv1dLayer'
});
const output = conv1dLayer.apply(input);

此处定义了一个 1D 卷积层，其输入形状为 [128, 1]。该层包含 32 个卷积核滤波器，每个滤波器大小为 3，并使用 ReLU 激活函数。在卷积计算结束后，该层的输出张量形状将是 [126, 32]（当 padding 为 'valid' 时）。