tensorflow :: ops :: Genişleme2D

4-D input ve 3-D filter tensörlerinin gri tonlama genişlemesini hesaplar.

Özet

input tensörünün şekli [batch, in_height, in_width, depth] ve filter tensörünün şekli vardır [filter_height, filter_width, depth] , yani her giriş kanalı kendi yapılandırma fonksiyonu ile diğerlerinden bağımsız olarak işlenir. output tensörünün şekli [batch, out_height, out_width, depth] . Çıkış tensörünün uzamsal boyutları padding algoritmasına bağlıdır. Şu anda yalnızca varsayılan "NHWC" data_format .

Ayrıntılı olarak, gri tonlamalı morfolojik 2-B genişleme maksimum toplam korelasyondur ( conv2d ile tutarlılık için, conv2d filtreler kullanıyoruz):

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]

Maksimum havuz, filtrenin boyutunun havuz çekirdeği boyutuna eşit olduğu ve tüm sıfırları içerdiği özel bir durumdur.

Dualite üzerine not: filter input genişlemesi, yansıtılan filter tarafından -input erozyonunun olumsuzlanmasına eşittir.

Argümanlar:

• kapsam: Bir Scope nesnesi
• girdi: 4 boyutlu [batch, in_height, in_width, depth] .
• filtre: 3 boyutlu [filter_height, filter_width, depth] .
• strides: Giriş tensörünün her bir boyutu için kayan pencerenin adım sayısı. Olmalı: [1, stride_height, stride_width, 1] .
• oranlar: Atröz morfolojik genişleme için giriş adımı. Olmalıdır: [1, rate_height, rate_width, 1] .
• padding: Kullanılacak dolgu algoritmasının türü.

İadeler:

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

Genel özellikler

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