Dilation2d

Dilatasi kelas akhir publik2d

Menghitung dilatasi skala abu-abu dari `input` 4-D dan `filter` 3-D.

Tensor `input` memiliki bentuk `[batch, in_height, in_width, depth]` dan tensor `filter` memiliki bentuk `[filter_height, filter_width, depth]`, yaitu, setiap saluran input diproses secara independen satu sama lain dengan caranya sendiri fungsi penataan. Tensor `output` memiliki bentuk `[batch, out_height, out_width, depth]`. Dimensi spasial tensor keluaran bergantung pada algoritma `padding`. Saat ini kami hanya mendukung `format_data` "NHWC" default.

Secara rinci, dilatasi 2-D morfologi skala abu-abu adalah korelasi jumlah maksimum (untuk konsistensi dengan `conv2d`, kami menggunakan filter yang tidak dicerminkan):

keluaran[b, y, x, c] = max_{dy, dx} masukan[b, langkah[1] * y + tarif[1] * dy, langkah[2] * x + tarif[2] * dx, c ] + filter[dy, dx, c]

Max-pooling adalah kasus khusus ketika filter memiliki ukuran yang sama dengan ukuran kernel pooling dan berisi semua angka nol.

Catatan tentang dualitas: Pelebaran `input` oleh `filter` sama dengan negasi erosi `-input` oleh `filter` yang dipantulkan.

Konstanta

Rangkaian OP_NAME Nama operasi ini dikenal dengan mesin inti TensorFlow

Metode Publik

Keluaran <T>
sebagai Keluaran ()
Mengembalikan pegangan simbolis tensor.
statis <T memperluas Nomor T > Pelebaran2d <T>
buat ( Lingkup lingkup, masukan Operan <T>, filter Operan <T>, Langkah Daftar<Panjang>, Tarif Daftar<Panjang>, Bantalan string)
Metode pabrik untuk membuat kelas yang membungkus operasi Dilation2d baru.
Keluaran <T>
keluaran ()
4-D dengan bentuk `[batch, out_height, out_width, depth]`.

Metode Warisan

org.tensorflow.op.RawOp
boolean terakhir
sama dengan (Objek objek)
int terakhir
Kode hash ()
Operasi
op ()
Kembalikan unit komputasi ini sebagai satu Operation .
String terakhir
keString ()
boolean
sama dengan (Objek arg0)
Kelas terakhir<?>
dapatkan Kelas ()
ke dalam
Kode hash ()
kekosongan terakhir
memberitahu ()
kekosongan terakhir
beri tahuSemua ()
Rangkaian
keString ()
kekosongan terakhir
tunggu (arg0 panjang, int arg1)
kekosongan terakhir
tunggu (argumen panjang0)
kekosongan terakhir
Tunggu ()
org.tensorflow.op.Op
Lingkungan Eksekusi abstrak
env ()
Kembalikan lingkungan eksekusi tempat operasi ini dibuat.
Operasi abstrak
op ()
Kembalikan unit komputasi ini sebagai satu Operation .
org.tensorflow.Operand
Keluaran abstrak <T>
sebagai Keluaran ()
Mengembalikan pegangan simbolis tensor.
abstrak T
sebagai Tensor ()
Mengembalikan tensor pada operan ini.
Bentuk abstrak
membentuk ()
Mengembalikan bentuk tensor (yang mungkin diketahui sebagian) yang dirujuk oleh Output operan ini.
Kelas abstrak<T>
jenis ()
Mengembalikan tipe tensor operan ini
org.tensorflow.ndarray.Shaped
abstrak ke dalam
peringkat ()
Bentuk abstrak
membentuk ()
abstrak panjang
ukuran ()
Menghitung dan mengembalikan ukuran total wadah ini, dalam jumlah nilai.

Konstanta

String akhir statis publik OP_NAME

Nama operasi ini dikenal dengan mesin inti TensorFlow

Nilai Konstan: "Dilasi2D"

Metode Publik

Keluaran publik <T> sebagai Keluaran ()

Mengembalikan pegangan simbolis tensor.

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

public static Dilation2d <T> buat ( Lingkup lingkup, masukan Operan <T>, filter Operan <T>, Langkah Daftar<Panjang>, Kecepatan Daftar<Panjang>, Bantalan string)

Metode pabrik untuk membuat kelas yang membungkus operasi Dilation2d baru.

Parameter
cakupan ruang lingkup saat ini
memasukkan 4-D dengan bentuk `[batch, in_height, in_width, depth]`.
Saring 3-D dengan bentuk `[filter_height, filter_width, depth]`.
langkah Langkah jendela geser untuk setiap dimensi tensor masukan. Harus: `[1, tinggi_langkah, lebar_langkah, 1]`.
tarif Langkah masukan untuk dilatasi morfologi atrous. Harus: `[1, rate_height, rate_width, 1]`.
lapisan Jenis algoritma padding yang akan digunakan.
Kembali
  • contoh baru Dilation2d

Keluaran publik <T> keluaran ()

4-D dengan bentuk `[batch, out_height, out_width, depth]`.