از اینکه با Google I/O تنظیم کردید متشکریم. مشاهده همه جلسات در صورت تقاضا تماشا کنید

tensorflow :: ops :: ExtractImagePatches

#include <array_ops.h>

patches از images استخراج کرده و در بعد خروجی "عمق" قرار دهید.

خلاصه

استدلال ها:

  • دامنه: یک شی Sc Scope
  • تصاویر: تانسور 4-D با شکل [batch, in_rows, in_cols, depth] .
  • ksizes: اندازه پنجره کشویی برای هر بعد از images .
  • strides: مرکز دو وصله متوالی در تصاویر چقدر فاصله دارد. باید باشد: [1, stride_rows, stride_cols, 1] .
  • نرخ ها: باید: [1, rate_rows, rate_cols, 1] این مرحله ورودی است ، مشخص می کند که دو نمونه وصله متوالی در ورودی چقدر است. معادل استخراج وصله هایی با patch_sizes_eff = patch_sizes + (patch_sizes - 1) * (rates - 1) و به دنبال آن نمونه برداری فضایی با ضریب rates . این معادل rate در پیچشهای متسع (معروف به آتروس) است.
  • padding: نوع الگوریتم padding برای استفاده.

بازده:

  • Output : تانسور 4 بعدی با شکل [batch, out_rows, out_cols, ksize_rows * ksize_cols * depth] حاوی وصله های تصویری با اندازه ksize_rows x ksize_cols x depth برداری شده در بعد "عمق" توجه داشته باشید out_rows و out_cols ابعاد وصله های خروجی هستند.

سازندگان و ویرانگران

ExtractImagePatches (const :: tensorflow::Scope & scope, :: tensorflow::Input images, const gtl::ArraySlice< int > & ksizes, const gtl::ArraySlice< int > & strides, const gtl::ArraySlice< int > & rates, StringPiece padding)

صفات عمومی

operation
patches

کارکردهای عمومی

node () const
::tensorflow::Node *
operator::tensorflow::Input () const
operator::tensorflow::Output () const

صفات عمومی

عمل

Operation operation

وصله ها

::tensorflow::Output patches

کارکردهای عمومی

ExtractImagePatches

 ExtractImagePatches(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input images,
  const gtl::ArraySlice< int > & ksizes,
  const gtl::ArraySlice< int > & strides,
  const gtl::ArraySlice< int > & rates,
  StringPiece padding
)

گره

::tensorflow::Node * node() const

عملگر :: tensorflow :: ورودی

 operator::tensorflow::Input() const

عملگر :: tensorflow :: خروجی

 operator::tensorflow::Output() const