aliran tensor:: operasi:: CerminPad

Mengisi tensor dengan nilai cermin.

Ringkasan

Operasi ini mengisi input dengan nilai yang dicerminkan sesuai dengan paddings yang Anda tentukan. paddings adalah tensor bilangan bulat dengan bentuk [n, 2] , di mana n adalah rank input . Untuk setiap dimensi D input , paddings[D, 0] menunjukkan berapa banyak nilai yang ditambahkan sebelum konten input dalam dimensi tersebut, dan paddings[D, 1] menunjukkan berapa banyak nilai yang ditambahkan setelah konten input dalam dimensi tersebut. Baik paddings[D, 0] dan paddings[D, 1] tidak boleh lebih besar dari input.dim_size(D) (atau input.dim_size(D) - 1 ) jika copy_border benar (jika salah).

Ukuran empuk setiap dimensi D keluaran adalah:

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

Misalnya:

# '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]]

Argumen:

• ruang lingkup: Objek Lingkup
• input : Tensor input yang akan diisi.
• paddings: Matriks dua kolom yang menentukan ukuran padding. Jumlah baris harus sama dengan pangkat yang input .
• mode: REFLECT atau SYMMETRIC . Dalam mode refleksi, wilayah yang diberi bantalan tidak menyertakan batas, sedangkan dalam mode simetris, wilayah yang diisi tidak menyertakan batas. Misalnya, jika input adalah [1, 2, 3] dan paddings adalah [0, 2] , maka outputnya adalah [1, 2, 3, 2, 1] dalam mode refleksi, dan itu adalah [1, 2, 3, 3, 2] dalam mode simetris.

Pengembalian:

• Output : Tensor empuk.

Atribut publik

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