tensorflow:: אופס:: התרחבות 2D

מחשב את הרחבת גווני האפור של טנסור input 4-D filter 3-D.

סיכום

לטנסור input יש צורה [batch, in_height, in_width, depth] ולטנזור filter יש צורה [filter_height, filter_width, depth] , כלומר, כל ערוץ קלט מעובד ללא תלות באחרים עם פונקציית מבנה משלו. output יש צורה [batch, out_height, out_width, depth] . הממדים המרחביים של טנסור הפלט תלויים באלגוריתם padding . כרגע אנו תומכים רק בברירת המחדל של "NHWC" data_format .

בפירוט, ההרחבה המורפולוגית הדו-ממדית בגווני אפור היא מתאם הסכום המקסימלי (לצורך עקביות עם conv2d , אנו משתמשים במסננים ללא שיקוף):

output[b, y, x, c] =
   max_{dy, dx} input[b,
                      strides[1] * y + rates[1] * dy,
                      strides[2] * x + rates[2] * dx,
                      c] +
                filter[dy, dx, c]

מקסימום-pooling הוא מקרה מיוחד כאשר למסנן יש גודל שווה לגודל ליבת ה-pooling ומכיל את כל האפסים.

הערה לגבי דואליות: הרחבת input על ידי filter שווה לשלילת שחיקת -input על ידי filter המשתקף.

טיעונים:

• scope: אובייקט Scope
• קלט: 4-D עם צורה [batch, in_height, in_width, depth] .
• מסנן: תלת-ממדי עם צורה [filter_height, filter_width, depth] .
• צעדים: הצעד של חלון ההזזה עבור כל מימד של טנסור הקלט. חייב להיות: [1, stride_height, stride_width, 1] .
• שיעורים: צעד הקלט עבור התרחבות מורפולוגית אטרולית. חייב להיות: [1, rate_height, rate_width, 1] .
• ריפוד: סוג אלגוריתם הריפוד שיש להשתמש בו.

החזרות:

• Output : 4-D עם צורה [batch, out_height, out_width, depth] .

תכונות ציבוריות

Operation operation

::tensorflow::Output output

 Dilation2D(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input input,
  ::tensorflow::Input filter,
  const gtl::ArraySlice< int > & strides,
  const gtl::ArraySlice< int > & rates,
  StringPiece padding
)

::tensorflow::Node * node() const 

 operator::tensorflow::Input() const 

 operator::tensorflow::Output() const