یک تانسور را چسبانده است.
این عملیات «ورودی» را با توجه به «پردهها» و «مقدارهای_ثابت» که شما مشخص کردهاید، انجام میدهد. "paddings" یک تانسور عدد صحیح با شکل "[Dn، 2]" است که n رتبه "ورودی" است. برای هر بعد D "ورودی"، "paddings[D, 0]" نشان میدهد که چند مقدار padding باید قبل از محتویات "ورودی" در آن بعد اضافه شود، و "paddings[D, 1]" نشان میدهد که چند مقدار padding باید اضافه شود. بعد از محتوای «ورودی» در آن بعد اضافه کنید. "constant_values" یک تانسور اسکالر از همان نوع "ورودی" است که مقدار مورد استفاده برای "ورودی" را نشان میدهد.
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, 1], [2, 2]]
# 'paddings' is [[1, 1], [2, 2]]
# 'constant_values' is 0
# rank of 't' is 2
pad(t, paddings) ==> [[0, 0, 0, 0, 0, 0]
[0, 0, 1, 1, 0, 0]
[0, 0, 2, 2, 0, 0]
[0, 0, 0, 0, 0, 0]]
روش های عمومی
خروجی <T> | asOutput () دسته نمادین یک تانسور را برمیگرداند. |
استاتیک <T، U گسترش شماره> پد <T> | |
خروجی <T> | خروجی () |
روش های ارثی
روش های عمومی
خروجی عمومی <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.
ایجاد پد استاتیک عمومی <T> ( دامنه دامنه ، ورودی عملوند <T>، لایه های عملوند <U>، عملوند <T> مقادیر ثابت)
روش کارخانه برای ایجاد کلاسی که عملیات Pad جدید را بسته بندی می کند.
پارامترها
دامنه | محدوده فعلی |
---|
برمی گرداند
- یک نمونه جدید از پد