MirrorPad

MirrorPad kelas akhir publik

Mengisi tensor dengan nilai cermin.

Operasi ini mengisi `input` dengan nilai yang dicerminkan sesuai dengan `paddings` yang Anda tentukan. `paddings` adalah tensor bilangan bulat dengan bentuk `[n, 2]`, dengan n adalah pangkat `input`. Untuk setiap dimensi D dari `input`, `paddings[D, 0]` menunjukkan berapa banyak nilai yang akan ditambahkan sebelum konten `input` dalam dimensi tersebut, dan `paddings[D, 1]` menunjukkan berapa banyak nilai yang akan ditambahkan setelahnya isi `input` dalam dimensi itu. 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, masing-masing).

Ukuran empuk setiap dimensi D keluaran adalah:

`padding(D, 0) + input.dim_size(D) + padding(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]]
 

Metode Publik

Keluaran <T>
sebagai Keluaran ()
Mengembalikan pegangan simbolik tensor.
statis <T, U memperluas Nomor> MirrorPad <T>
buat ( Lingkup lingkup, masukan Operan <T>, padding Operan <U>, mode String)
Metode pabrik untuk membuat kelas yang membungkus operasi MirrorPad baru.
Keluaran <T>
keluaran ()
Tensor empuk.

Metode Warisan

Metode Publik

Keluaran publik <T> sebagai Keluaran ()

Mengembalikan pegangan simbolik tensor.

Masukan ke operasi TensorFlow adalah keluaran dari operasi TensorFlow lainnya. Metode ini digunakan untuk mendapatkan pegangan simbolis yang mewakili perhitungan input.

MirrorPad statis publik <T> buat ( Lingkup lingkup, masukan Operan <T>, padding Operan <U>, mode String)

Metode pabrik untuk membuat kelas yang membungkus operasi MirrorPad baru.

Parameter
cakupan ruang lingkup saat ini
memasukkan Tensor masukan yang akan diisi.
bantalan Matriks dua kolom yang menentukan ukuran padding. Jumlah baris harus sama dengan peringkat `input`.
mode Entah `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 `[1, 2, 3, 3, 2]` dalam mode simetris.
Kembali
  • contoh baru dari MirrorPad

Keluaran publik <T> keluaran ()

Tensor empuk.