Javascript 在tensorflow js中编写自定义InstantLayer规范化

我试图在浏览器中实现一个深度学习模型，这需要移植一些自定义层，其中之一就是即时层规范化。下面是一段应该可以工作但有点旧的代码。 我得到这个错误：

未捕获（承诺中）引用错误：未定义初始值设定项 在InstantLayerNormalization.build

类InstantLayerNormalization扩展了tf.layers.Layer
{
静态类名称='InstantLayerNormalization'；
ε=1e-7
伽马射线；
贝塔；
构造函数（配置）
{
超级（配置）；
}
getConfig（）
{
const config=super.getConfig（）；
返回配置；
}
构建（输入形状）
{
let shape=tf.张量（输入_shape）；
//初始化伽马射线
self.gamma=self.add_权重（形状=形状，
初始值设定项='ones'，
可训练的，
name='gamma'）
//初始化测试版
self.beta=self.add_重量（形状=形状，
初始值设定项='零'，
可训练的，
name='beta'）
}        
呼叫（输入）{
平均值=tf.math.reduce_平均值（输入，轴=[-1]，keepdims=True）
方差=tf.math.reduce_-mean（tf.math.square（输入-平均值），轴=[-1]，keepdims=True）
std=tf.math.sqrt（方差+自身ε）
输出=（输入-平均值）/std
输出=输出*self.gamma
输出=输出+自测试
返回输出
}
静态获取类名（）{
log（类名）；
返回类名；
}
}
registerClass（InstantLayerNormalization）；

继承类

tf.layers.Layer

的方法调用不正确

• python中的

  self

  在js中是

  this

• add_weight

  相当于

  addWeight

• 是

  addWeight

  方法的签名。请注意，js中没有函数参数解构赋值的格式

  variable=value

//而不是这个
self.gamma=self.add_weight（shape=shape，初始值设定项='one'，trainable=true，name='gamma'）
//应该是这样
this.gamma=this.addWeight（'gamma'，shape，未定义，'one'，未定义，true）

<script src="https://cdn.jsdelivr.net/npm/@tensorflow/tfjs/dist/tf.min.js"> </script>
<script>
class InstantLayerNormalization extends tf.layers.Layer
{
    static className = 'InstantLayerNormalization';
    epsilon = 1e-7 
    gamma;
    beta;
    constructor(config) 
    {
        super(config);
    }
    getConfig() 
    {
        const config = super.getConfig();
        return config;
    }
    
    build(input_shape)
    {
        let shape = tf.tensor(input_shape);
        // initialize gamma
        self.gamma = self.add_weight(shape=shape, 
                                     initializer='ones', 
                                     trainable=true, 
                                     name='gamma')
        // initialize beta
        self.beta = self.add_weight(shape=shape,
                            initializer='zeros',
                            trainable=true,
                            name='beta')
    }        

    call(inputs){
        mean = tf.math.reduce_mean(inputs, axis=[-1], keepdims=True)
        variance = tf.math.reduce_mean(tf.math.square(inputs - mean), axis=[-1], keepdims=True)
        std = tf.math.sqrt(variance + self.epsilon)
        outputs = (inputs - mean) / std
        outputs = outputs * self.gamma
        outputs = outputs + self.beta
        return outputs
    }
    static get className() {
        console.log(className);
       return className;
    }
}

tf.serialization.registerClass(InstantLayerNormalization);
</script>