tensorflow :: ops :: MirrorPad

یک سنسور با مقادیر آینه را لمس می کند.

خلاصه

این عملیات زنان input با ارزش آینه با توجه به paddings شما مشخص است. paddings یک سنسور عدد صحیح با شکل [n, 2] ، جایی که n رتبه input . برای هر بعد D از input ، paddings[D, 0] نشان می دهد که چه مقدار باید قبل از محتوای input در آن بعد اضافه شود ، و paddings[D, 1] نشان می دهد که چند مقدار بعد از محتوای input در آن بعد اضافه شود. هر دو paddings[D, 0] و paddings[D, 1] نباید بیشتر از input.dim_size(D) (یا input.dim_size(D) - 1 ) باشند اگر copy_border درست باشد (به ترتیب نادرست).

اندازه پر شده از هر بعد D از خروجی:

paddings(D, 0) + input.dim_size(D) + paddings(D, 1)

مثلا:

# '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]]

استدلال ها:

• دامنه: یک شی Sc Scope
• input: تانسور ورودی که باید پر شود.
• paddings: یک ماتریس دو ستونی که اندازه های padding را مشخص می کند. تعداد ردیف ها باید همان رتبه input باشد.
• حالت: یا REFLECT یا SYMMETRIC . در حالت انعکاس ، مناطق پر شده حاشیه را شامل نمی شوند ، در حالی که در حالت متقارن مناطق پر شده حاشیه را شامل می شوند. به عنوان مثال ، اگر input [1, 2, 3] و paddings [0, 2] ، در این صورت خروجی در حالت انعکاس [1, 2, 3, 2, 1] است و [1, 2, 3, 3, 2] در حالت متقارن.

بازده:

• Output : تانسور پر شده.

صفات عمومی

Operation operation

::tensorflow::Output output

 MirrorPad(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input input,
  ::tensorflow::Input paddings,
  StringPiece mode
)

::tensorflow::Node * node() const 

 operator::tensorflow::Input() const 

 operator::tensorflow::Output() const