يحسب تمدد التدرج الرمادي لموترات "الإدخال" رباعية الأبعاد و"المرشح" ثلاثي الأبعاد.
موتر `الإدخال` له شكل `[دفعة، في_الارتفاع، في_العرض، العمق]` وموتر `التصفية` له شكل `[filter_height, filter_width, Deep]`، أي تتم معالجة كل قناة إدخال بشكل مستقل عن القنوات الأخرى الخاصة بها وظيفة الهيكلة. موتر "الإخراج" له شكل `[دفعة، ارتفاع_خارج، عرض_خارج، عمق]`. تعتمد الأبعاد المكانية لموتر الإخراج على خوارزمية "الحشو". نحن ندعم حاليًا تنسيق البيانات الافتراضي "NHWC" فقط.
بالتفصيل، التمدد المورفولوجي ثنائي الأبعاد للتدرج الرمادي هو الارتباط الأقصى (للتوافق مع `conv2d`، نستخدم مرشحات غير معكوسة):
الإخراج [b، y، x، c] = max_{dy، dx} الإدخال[b، الخطوات[1] * y + المعدلات[1] * dy، الخطوات[2] * x + المعدلات[2] * dx، c ] + مرشح [دي، دس، ج]
يعد التجميع الأقصى حالة خاصة عندما يكون حجم المرشح مساويًا لحجم نواة التجميع ويحتوي على كافة الأصفار.
ملاحظة حول الازدواجية: تمدد "الإدخال" بواسطة "المرشح" يساوي نفي تآكل "-الإدخال" بواسطة "المرشح" المنعكس.
الثوابت
خيط | OP_NAME | اسم هذه العملية كما هو معروف بواسطة محرك TensorFlow الأساسي |
الأساليب العامة
الإخراج <T> | كإخراج () إرجاع المقبض الرمزي للموتر. |
ثابت <T يمتد TNumber > Dilation2d <T> | |
الإخراج <T> | انتاج () 4-D بالشكل `[الدفعة، الارتفاع_الخارجي، العرض_الخارجي، العمق]`. |
الطرق الموروثة
الثوابت
السلسلة النهائية الثابتة العامة OP_NAME
اسم هذه العملية كما هو معروف بواسطة محرك TensorFlow الأساسي
الأساليب العامة
الإخراج العام <T> كإخراج ()
إرجاع المقبض الرمزي للموتر.
المدخلات إلى عمليات TensorFlow هي مخرجات عملية TensorFlow أخرى. يتم استخدام هذه الطريقة للحصول على مقبض رمزي يمثل حساب الإدخال.
إنشاء Dilation2d <T> ثابت عام ( نطاق النطاق ، وإدخال المعامل <T>، ومرشح المعامل <T>، وخطوات القائمة <Long>، ومعدلات القائمة <Long>، وحشو السلسلة)
طريقة المصنع لإنشاء فئة تغلف عملية Dilation2d جديدة.
حدود
نِطَاق | النطاق الحالي |
---|---|
مدخل | 4-D بشكل `[الدفعة، في_الارتفاع، في_العرض، العمق]`. |
منقي | ثلاثي الأبعاد بشكل `[ارتفاع_الفلتر، عرض_الفلتر، العمق]`. |
خطوات واسعة | خطوة النافذة المنزلقة لكل بُعد من موتر الإدخال. يجب أن يكون: `[1، ارتفاع_الخطوة، عرض_الخطوة، 1]`. |
معدلات | خطوة الإدخال للتمدد المورفولوجي الأذيني. يجب أن يكون: `[1، معدل_الارتفاع، معدل_العرض، 1]`. |
حشوة | نوع خوارزمية الحشو المستخدمة. |
عائدات
- مثيل جديد من Dilation2d