공개 최종 수업 MirrorPad
미러링된 값으로 텐서를 채웁니다.
이 작업은 지정한 `패딩`에 따라 미러링된 값으로 `입력`을 채웁니다. `paddings`는 `[n, 2]` 모양을 갖는 정수 텐서입니다. 여기서 n은 `input`의 순위입니다. `input`의 각 차원 D에 대해 `paddings[D, 0]`은 해당 차원의 `input` 내용 앞에 추가할 값 수를 나타내고, `paddings[D, 1]`은 뒤에 추가할 값 수를 나타냅니다. 해당 차원의 'input' 내용입니다. `copy_border`가 true인 경우 `paddings[D, 0]` 및 `paddings[D, 1]`은 모두 `input.dim_size(D)`(또는 `input.dim_size(D) - 1`)보다 크지 않아야 합니다. (각각 거짓인 경우).
출력의 각 차원 D의 패딩된 크기는 다음과 같습니다.
`패딩(D, 0) + input.dim_size(D) + 패딩(D, 1)`
예:
# '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]]
공개 방법
공개 출력 <T> asOutput ()
텐서의 기호 핸들을 반환합니다.
TensorFlow 작업에 대한 입력은 다른 TensorFlow 작업의 출력입니다. 이 메서드는 입력 계산을 나타내는 기호 핸들을 얻는 데 사용됩니다.
public static MirrorPad <T> create ( 스코프 범위, 피연산자 <T> 입력, 피연산자 <U> 패딩, 문자열 모드)
새로운 MirrorPad 작업을 래핑하는 클래스를 생성하는 팩토리 메서드입니다.
매개변수
| 범위 | 현재 범위 |
|---|---|
| 입력 | 패딩할 입력 텐서입니다. |
| 패딩 | 패딩 크기를 지정하는 2열 행렬입니다. 행 개수는 `입력` 순위와 동일해야 합니다. |
| 방법 | 'REFLECT' 또는 'SYMMETRIC'입니다. 반사 모드에서는 패딩된 영역에 테두리가 포함되지 않지만 대칭 모드에서는 패딩된 영역에 테두리가 포함됩니다. 예를 들어 `input`이 `[1, 2, 3]`이고 `paddings`가 `[0, 2]`인 경우 반사 모드에서 출력은 `[1, 2, 3, 2, 1]`입니다. , 대칭 모드에서는 `[1, 2, 3, 3, 2]`입니다. |
보고
- MirrorPad의 새로운 인스턴스