공개 최종 클래스 ExtractImagePatches
'이미지'에서 '패치'를 추출하여 '깊이' 출력 차원에 넣습니다.
상수
| 끈 | OP_NAME | TensorFlow 코어 엔진에서 알려진 이 작업의 이름 |
공개 방법
| 출력 <T> | 출력 () 텐서의 기호 핸들을 반환합니다. |
| static <T는 TType을 확장합니다. > ExtractImagePatches <T> | |
| 출력 <T> | 패치 () "깊이" 차원에서 벡터화된 `ksize_rows x ksize_cols x 깊이` 크기의 이미지 패치를 포함하는 `[batch, out_rows, out_cols, ksize_rows * ksize_cols * 깊이]` 형태의 4차원 텐서. |
상속된 메서드
상수
공개 정적 최종 문자열 OP_NAME
TensorFlow 코어 엔진에서 알려진 이 작업의 이름
상수 값: "ExtractImagePatches"
공개 방법
공개 출력 <T> asOutput ()
텐서의 기호 핸들을 반환합니다.
TensorFlow 작업에 대한 입력은 다른 TensorFlow 작업의 출력입니다. 이 메서드는 입력 계산을 나타내는 기호 핸들을 얻는 데 사용됩니다.
공개 정적 ExtractImagePatches <T> 생성 ( 범위 범위, 피연산자 <T> 이미지, List<Long> ksizes, List<Long> 보폭, List<Long> 속도, 문자열 패딩)
새로운 ExtractImagePatches 작업을 래핑하는 클래스를 생성하는 팩토리 메서드입니다.
매개변수
| 범위 | 현재 범위 |
|---|---|
| 이미지 | '[batch, in_rows, in_cols, 깊이]' 형태의 4차원 텐서. |
| k크기 | '이미지'의 각 차원에 대한 슬라이딩 창의 크기입니다. |
| 큰 걸음 | 이미지에서 연속된 두 패치의 중심이 얼마나 멀리 떨어져 있는지입니다. '[1, stride_rows, stride_cols, 1]'이어야 합니다. |
| 요금 | '[1, rate_rows, rate_cols, 1]'이어야 합니다. 이는 입력 보폭으로, 두 개의 연속 패치 샘플이 입력에 얼마나 멀리 있는지 지정합니다. `patch_sizes_eff = patch_sizes + (patch_sizes - 1) * (rates - 1)`으로 패치를 추출한 후 `rates` 인자로 공간적으로 서브샘플링하는 것과 같습니다. 이는 확장된(일명 Atrous) 컨볼루션의 'rate'와 동일합니다. |
| 심 | 사용할 패딩 알고리즘 유형입니다. |
보고
- ExtractImagePatches의 새 인스턴스
공개 출력 <T> 패치 ()
"깊이" 차원에서 벡터화된 `ksize_rows x ksize_cols x 깊이` 크기의 이미지 패치를 포함하는 `[batch, out_rows, out_cols, ksize_rows * ksize_cols * 깊이]` 형태의 4차원 텐서. 'out_rows' 및 'out_cols'는 출력 패치의 크기입니다.