텐서플로우:: ops:: 미러패드

텐서에 대칭 값을 채워 넣습니다.

요약

이 연산은 지정한 paddings 값에 따라 input 대칭되는 값을 추가합니다. paddings 는 [n, 2] 형태의 정수 텐서이며, 여기서 `n`은 input 의 랭크입니다. input 의 각 차원 `D`에 대해 paddings[D, 0] 은 해당 차원의 input 내용 앞에 추가할 값의 개수를 나타내고, paddings[D, 1] 은 해당 차원의 input 내용 뒤에 추가할 값의 개수를 나타냅니다. `copy_border`가 `true`인 경우 paddings[D, 1] paddings[D, 0] `은 ` copy_border input.dim_size(D) `보다 크거나 같아야 하고, `false`인 경우에는 input.dim_size(D) - 1 보다 작아야 합니다.

출력의 각 차원 D의 패딩된 크기는 다음과 같습니다.

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

예를 들어:

# '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]]

논거:

• 범위: Scope 객체
• 입력: 패딩할 입력 텐서입니다.
• paddings: 패딩 크기를 지정하는 2열 행렬입니다. 행 수는 input 의 랭크와 동일해야 합니다.
• 모드: REFLECT 또는 SYMMETRIC 중 하나를 선택합니다. 반사 모드에서는 패딩 영역에 테두리가 포함되지 않지만, 대칭 모드에서는 패딩 영역에 테두리가 포함됩니다. 예를 들어 input [1, 2, 3] 이고 paddings [0, 2] 인 경우, 반사 모드에서는 출력이 [1, 2, 3, 2, 1] 이고, 대칭 모드에서는 [1, 2, 3, 3, 2] 입니다.

보고:

• Output : 패딩된 텐서.

공개 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