tensorflow :: ops :: MirrorPad

미러링 된 값으로 텐서를 채 웁니다.

요약

이 연산은 지정한 paddings 에 따라 미러링 된 값으로 input 을 채 paddings . paddings 는 모양이 [n, 2] 인 정수 텐서입니다. 여기서 n은 input 의 순위입니다. input 각 차원 D에 대해 paddings[D, 0] 은 해당 차원의 input 내용 전에 추가 할 값 수를 나타내고 paddings[D, 1] 은 해당 차원의 input 내용 뒤에 추가 할 값 수를 나타냅니다. copy_border 가 true이면 (각각 false 인 경우) paddings[D, 0] 및 paddings[D, 1] 모두 input.dim_size(D) (또는 input.dim_size(D) - 1 )보다 크지 input.dim_size(D) 합니다.

출력의 각 차원 D의 패딩 된 크기는 다음과 같습니다.

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

예를 들면 :

# '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]]

인수 :

• 범위 : 범위 개체
• input : 채워질 입력 텐서.
• 패딩 : 패딩 크기를 지정하는 2 열 행렬입니다. 행 수는 input 순위와 같아야합니다.
• 모드 : REFLECT 또는 SYMMETRIC . 반사 모드에서는 패딩 된 영역에 테두리가 포함되지 않고 대칭 모드에서는 패딩 된 영역에 테두리가 포함됩니다. 예를 들어 input 이 [1, 2, 3] 이고 paddings 이 [0, 2] 이면 출력은 반사 모드에서 [1, 2, 3, 2, 1] 이고 [1, 2, 3, 3, 2] 대칭 모드에서.

보고:

• Output : 패딩 된 텐서.

공용 속성

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