یک تانسور را با مقادیر آینهای قرار میدهد.
این عملیات یک «ورودی» را با مقادیر آینهای مطابق با «بالشتکهایی» که شما مشخص کردهاید، اضافه میکند. "paddings" یک تانسور عدد صحیح با شکل "[n، 2]" است که n رتبه "ورودی" است. برای هر بعد D «ورودی»، «paddings[D, 0]» نشان میدهد که چند مقدار باید قبل از محتوای «ورودی» در آن بعد اضافه شود، و «paddings[D, 1]» نشان میدهد که چند مقدار باید بعد از آن اضافه شود. محتوای «ورودی» در آن بعد. هر دو «paddings[D, 0]» و «paddings[D, 1]» نباید بزرگتر از «input.dim_size(D)» باشند (یا «input.dim_size(D) - 1») اگر «copy_border» درست است (به ترتیب در صورت نادرست بودن).
اندازه بالشتکی هر بعد D خروجی عبارت است از:
`paddings(D, 0) + input.dim_size(D) + paddings(D, 1)`
به عنوان مثال:
# 't' is [[1, 2, 3], [4, 5, 6]].
# 'paddings' is [[1, 1]], [2, 2]].
# 'mode' is SYMMETRIC.
# rank of 't' is 2.
pad(t, paddings) ==> [[2, 1, 1, 2, 3, 3, 2]
[2, 1, 1, 2, 3, 3, 2]
[5, 4, 4, 5, 6, 6, 5]
[5, 4, 4, 5, 6, 6, 5]]
روش های عمومی
خروجی <T> | asOutput () دسته نمادین یک تانسور را برمیگرداند. |
شخص <T، U گسترش تعداد> MirrorPad <T> | |
خروجی <T> | خروجی () تانسور پر شده. |
روش های ارثی
روش های عمومی
عمومی خروجی <T> asOutput ()
دسته نمادین یک تانسور را برمیگرداند.
ورودی های عملیات TensorFlow خروجی های عملیات تنسورفلو دیگر هستند. این روش برای به دست آوردن یک دسته نمادین که نشان دهنده محاسبه ورودی است استفاده می شود.
عمومی استاتیک MirrorPad <T> ایجاد ( محدوده دامنه، عملوند <T> ورودی، عملوند <U> واشر، حالت رشته ای)
روش کارخانه برای ایجاد کلاسی که یک عملیات MirrorPad جدید را بسته بندی می کند.
مولفه های
محدوده | محدوده فعلی |
---|---|
ورودی | تانسور ورودی که باید پر شود. |
بالشتک ها | یک ماتریس دو ستونی که اندازه های بالشتک را مشخص می کند. تعداد سطرها باید با رتبه «ورودی» برابر باشد. |
حالت | یا «REFLECT» یا «SYMMETRIC». در حالت انعکاس، نواحی پرشده شامل مرزها نمیشوند، در حالی که در حالت متقارن، نواحی پرشده شامل مرزها میشوند. برای مثال، اگر «ورودی» «[1، 2، 3]» و «بالشتکها» «[0، 2]» باشد، در حالت بازتاب خروجی «[1، 2، 3، 2، 1]» است. ، و در حالت متقارن "[1، 2، 3، 3، 2]" است. |
برمی گرداند
- یک نمونه جدید از MirrorPad