tensorflow :: ops :: 팽창 2D

4 차원 input 및 3 차원 filter 텐서의 회색조 확장을 계산합니다.

요약

input 텐서는 [batch, in_height, in_width, depth] 모양을 가지며 filter 텐서는 [filter_height, filter_width, depth] 모양을 [filter_height, filter_width, depth] . 즉, 각 입력 채널은 자체 구조화 기능을 사용하여 다른 채널과 독립적으로 처리됩니다. output 텐서는 [batch, out_height, out_width, depth] 모양을 [batch, out_height, out_width, depth] . 출력 텐서의 공간 차원은 padding 알고리즘에 따라 다릅니다. 우리는 현재 기본 "NHWC"지원 data_format .

구체적으로, 그레이 스케일 형태 학적 2 차원 확장은 최대 합계 상관 관계입니다 ( conv2d 일관성을 위해 미러링되지 않은 필터를 사용합니다) :

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]

최대 풀링은 필터의 크기가 풀링 커널 크기와 같고 모두 0을 포함하는 특수한 경우입니다.

이중성에 참고의 팽창 input 바이 filter 의 침식 부정 같다 -input 반사하여 filter .

인수 :

• 범위 : 범위 개체
• 입력 : 4-D 모양 [batch, in_height, in_width, depth] .
• 필터 : [filter_height, filter_width, depth] 모양의 3 차원.
• strides : 입력 텐서의 각 차원에 대한 슬라이딩 윈도우의 보폭. [1, stride_height, stride_width, 1] 이어야합니다.
• 비율 : 격렬한 형태 학적 확장을위한 입력 보폭. [1, rate_height, rate_width, 1] 이어야합니다.
• padding : 사용할 채우기 알고리즘의 유형입니다.

보고:

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

공용 속성

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