Bantalan tensor dengan nilai-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]`, di mana 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 setelah 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 dari output adalah:
`paddings(D, 0) + input.dim_size(D) + paddings(D, 1)`
Sebagai contoh:
# '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
Output <T> | asOutput () Mengembalikan pegangan simbolis tensor. |
statis <T, U meluas Nomor> MirrorPad <T> | |
Output <T> | Output () Tensor empuk. |
Metode yang Diwarisi
Metode Publik
publik Keluaran <T> asOutput ()
Mengembalikan pegangan simbolis tensor.
Input ke operasi TensorFlow adalah output dari operasi TensorFlow lainnya. Metode ini digunakan untuk mendapatkan pegangan simbolis yang mewakili perhitungan input.
public static MirrorPad <T> membuat ( Lingkup lingkup, Operan <T> input, Operan <U> paddings, modus String)
Metode pabrik untuk membuat kelas yang membungkus operasi MirrorPad baru.
Parameter
cakupan | lingkup saat ini |
---|---|
memasukkan | Tensor input yang akan diisi. |
bantalan | Matriks dua kolom yang menentukan ukuran padding. Jumlah baris harus sama dengan peringkat `input`. |
mode | Baik `REFLECT` atau `SYMMETRIC`. Dalam mode refleksi, daerah yang diisi tidak menyertakan batas, sedangkan dalam mode simetris, daerah yang diisi 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 MirrorPad