Sử dụng bộ sưu tập để sắp xếp ngăn nắp các trang
Lưu và phân loại nội dung dựa trên lựa chọn ưu tiên của bạn.
dòng chảy căng:: ôi:: Sự giãn nở2D
#include <nn_ops.h> Tính toán độ giãn nở thang độ xám của input 4-D và filter 3-D.
Bản tóm tắt
Tenxor input có hình dạng [batch, in_height, in_width, depth] và tensor filter có hình dạng [filter_height, filter_width, depth] , tức là mỗi kênh đầu vào được xử lý độc lập với các kênh khác với chức năng cấu trúc riêng. Tenxor output có hình dạng [batch, out_height, out_width, depth] . Kích thước không gian của tensor đầu ra phụ thuộc vào thuật toán padding . Chúng tôi hiện chỉ hỗ trợ data_format "NHWC" mặc định.
Cụ thể, độ giãn nở 2-D hình thái thang độ xám là mối tương quan tổng tối đa (để thống nhất với conv2d , chúng tôi sử dụng các bộ lọc không được phản chiếu):
output[b, y, x, c] =
max_{dy, dx} input[b,
strides[1] * y + rates[1] * dy,
strides[2] * x + rates[2] * dx,
c] +
filter[dy, dx, c] Max-pooling là trường hợp đặc biệt khi bộ lọc có kích thước bằng kích thước kernel gộp và chứa tất cả các số 0.
Lưu ý về tính đối ngẫu: Độ giãn của input bởi bộ filter bằng với sự phủ định sự xói mòn của -input bởi bộ filter phản ánh.
Lập luận:
- phạm vi: Một đối tượng Phạm vi
- đầu vào: 4-D với hình dạng
[batch, in_height, in_width, depth] . - bộ lọc: 3-D với hình dạng
[filter_height, filter_width, depth] . - bước tiến: Bước tiến của cửa sổ trượt cho từng chiều của tensor đầu vào. Phải là:
[1, stride_height, stride_width, 1] . - tốc độ: Bước đầu vào cho sự giãn nở hình thái động mạch. Phải là:
[1, rate_height, rate_width, 1] . - phần đệm: Loại thuật toán đệm sẽ sử dụng.
Trả về:
-
Output : 4-D với hình dạng [batch, out_height, out_width, depth] .
Thuộc tính công khai
Chức năng công cộng
nút
::tensorflow::Node * node() const
operator::tensorflow::Input() const
toán tử::tenorflow::Đầu ra
operator::tensorflow::Output() const
Trừ phi có lưu ý khác, nội dung của trang này được cấp phép theo Giấy phép ghi nhận tác giả 4.0 của Creative Commons và các mẫu mã lập trình được cấp phép theo Giấy phép Apache 2.0. Để biết thông tin chi tiết, vui lòng tham khảo Chính sách trang web của Google Developers. Java là nhãn hiệu đã đăng ký của Oracle và/hoặc các đơn vị liên kết với Oracle.
Cập nhật lần gần đây nhất: 2025-07-25 UTC.
[null,null,["Cập nhật lần gần đây nhất: 2025-07-25 UTC."],[],[],null,["# tensorflow::ops::Dilation2D Class Reference\n\ntensorflow::ops::Dilation2D\n===========================\n\n`#include \u003cnn_ops.h\u003e`\n\nComputes the grayscale dilation of 4-D `input` and 3-D `filter` tensors.\n\nSummary\n-------\n\nThe `input` tensor has shape `[batch, in_height, in_width, depth]` and the `filter` tensor has shape `[filter_height, filter_width, depth]`, i.e., each input channel is processed independently of the others with its own structuring function. The `output` tensor has shape `[batch, out_height, out_width, depth]`. The spatial dimensions of the output tensor depend on the `padding` algorithm. We currently only support the default \"NHWC\" `data_format`.\n\nIn detail, the grayscale morphological 2-D dilation is the max-sum correlation (for consistency with `conv2d`, we use unmirrored filters): \n\n```scdoc\noutput[b, y, x, c] =\n max_{dy, dx} input[b,\n strides[1] * y + rates[1] * dy,\n strides[2] * x + rates[2] * dx,\n c] +\n filter[dy, dx, c]\n```\n\n\u003cbr /\u003e\n\nMax-pooling is a special case when the filter has size equal to the pooling kernel size and contains all zeros.\n\nNote on duality: The dilation of `input` by the `filter` is equal to the negation of the erosion of `-input` by the reflected `filter`.\n\nArguments:\n\n- scope: A [Scope](/versions/r2.0/api_docs/cc/class/tensorflow/scope#classtensorflow_1_1_scope) object\n- input: 4-D with shape `[batch, in_height, in_width, depth]`.\n- filter: 3-D with shape `[filter_height, filter_width, depth]`.\n- strides: The stride of the sliding window for each dimension of the input tensor. Must be: `[1, stride_height, stride_width, 1]`.\n- rates: The input stride for atrous morphological dilation. Must be: `[1, rate_height, rate_width, 1]`.\n- padding: The type of padding algorithm to use.\n\n\u003cbr /\u003e\n\nReturns:\n\n- [Output](/versions/r2.0/api_docs/cc/class/tensorflow/output#classtensorflow_1_1_output): 4-D with shape `[batch, out_height, out_width, depth]`.\n\n\u003cbr /\u003e\n\n| ### Constructors and Destructors ||\n|---|---|\n| [Dilation2D](#classtensorflow_1_1ops_1_1_dilation2_d_1aa7fba6ab148288fc230175c265483ff3)`(const ::`[tensorflow::Scope](/versions/r2.0/api_docs/cc/class/tensorflow/scope#classtensorflow_1_1_scope)` & scope, ::`[tensorflow::Input](/versions/r2.0/api_docs/cc/class/tensorflow/input#classtensorflow_1_1_input)` input, ::`[tensorflow::Input](/versions/r2.0/api_docs/cc/class/tensorflow/input#classtensorflow_1_1_input)` filter, const gtl::ArraySlice\u003c int \u003e & strides, const gtl::ArraySlice\u003c int \u003e & rates, StringPiece padding)` ||\n\n| ### Public attributes ||\n|-----------------------------------------------------------------------------------------|---------------------------------------------------------------------------------------------------------|\n| [operation](#classtensorflow_1_1ops_1_1_dilation2_d_1a50e0232a57e1ec03bc56803f2e2ae58e) | [Operation](/versions/r2.0/api_docs/cc/class/tensorflow/operation#classtensorflow_1_1_operation) |\n| [output](#classtensorflow_1_1ops_1_1_dilation2_d_1ae68b7f48c9fc91ffdef4e18bd34625f0) | `::`[tensorflow::Output](/versions/r2.0/api_docs/cc/class/tensorflow/output#classtensorflow_1_1_output) |\n\n| ### Public functions ||\n|-----------------------------------------------------------------------------------------------------------------------|------------------------|\n| [node](#classtensorflow_1_1ops_1_1_dilation2_d_1a965eb807b87a9ac84ef8533e6da72768)`() const ` | `::tensorflow::Node *` |\n| [operator::tensorflow::Input](#classtensorflow_1_1ops_1_1_dilation2_d_1ae1a45a55c3092ef319c027a697e3e667)`() const ` | ` ` ` ` |\n| [operator::tensorflow::Output](#classtensorflow_1_1ops_1_1_dilation2_d_1a451d294669723935c6618946259273c3)`() const ` | ` ` ` ` |\n\nPublic attributes\n-----------------\n\n### operation\n\n```text\nOperation operation\n``` \n\n### output\n\n```text\n::tensorflow::Output output\n``` \n\nPublic functions\n----------------\n\n### Dilation2D\n\n```gdscript\n Dilation2D(\n const ::tensorflow::Scope & scope,\n ::tensorflow::Input input,\n ::tensorflow::Input filter,\n const gtl::ArraySlice\u003c int \u003e & strides,\n const gtl::ArraySlice\u003c int \u003e & rates,\n StringPiece padding\n)\n``` \n\n### node\n\n```gdscript\n::tensorflow::Node * node() const \n``` \n\n### operator::tensorflow::Input\n\n```gdscript\n operator::tensorflow::Input() const \n``` \n\n### operator::tensorflow::Output\n\n```gdscript\n operator::tensorflow::Output() const \n```"]]
