dòng chảy :: hoạt động :: Dilation2D

Tính toán sự giãn nở thang độ xám của input 4-D và filter 3-D.

Tóm lược

Bộ căng input có hình dạng [batch, in_height, in_width, depth] và tensor filter có hình dạng [filter_height, filter_width, depth] , tức là mỗi kênh đầu vào được xử lý độc lập với các kênh khác với chức năng cấu trúc riêng. Tensor output có hình dạng [batch, out_height, out_width, depth] . Kích thước không gian của tensor đầu ra phụ thuộc vào thuật toán padding . Hiện tại chúng tôi chỉ hỗ trợ mặc định "NHWC" data_format .

Về chi tiết, độ giãn nở 2-D hình thái thang độ xám là tương quan tổng tối đa (để nhất quán với conv2d , chúng tôi sử dụng các bộ lọc chưa được kiểm chứng):

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]

Max-pooling là một trường hợp đặc biệt khi bộ lọc có kích thước bằng kích thước hạt nhân gộp và chứa tất cả các số không.

Lưu ý về tính hai mặt: Sự giãn nở của input bởi filter bằng với sự phủ định của sự suy giảm của -input bởi filter phản xạ.

Tranh luận:

• phạm vi: Một đối tượng Phạm vi
• đầu vào: 4-D với hình dạng [batch, in_height, in_width, depth] .
• filter: 3-D với hình dạng [filter_height, filter_width, depth] .
• sải bước: Sải bước của cửa sổ trượt đối với mỗi kích thước của bộ căng đầu vào. Phải là: [1, stride_height, stride_width, 1] .
• tỷ lệ: Bước đầu vào cho sự giãn nở hình thái bất thường. Phải là: [1, rate_height, rate_width, 1] .
• padding: Loại thuật toán đệm sẽ sử dụng.

Lợi nhuận:

• Output : 4-D với hình dạng [batch, out_height, out_width, depth] .

Thuộc tính công khai

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