جریان تنسور:: عملیات:: ExtractVolumePatches
#include <array_ops.h> patches از input استخراج کنید و آنها را در بعد خروجی "عمق" قرار دهید.
خلاصه
پسوند 3 بعدی extract_image_patches .
استدلال ها:
- scope: یک شی Scope
- ورودی: تانسور 5 بعدی با شکل
[batch, in_planes, in_rows, in_cols, depth]. - ksizes: اندازه پنجره کشویی برای هر بعد
input. - گام ها: 1-D به طول 5. فاصله مراکز دو تکه متوالی در
inputچقدر است. باید:[1, stride_planes, stride_rows, stride_cols, 1]. - padding: نوع الگوریتم padding مورد استفاده.
ما ویژگی های مربوط به اندازه را به صورت زیر مشخص می کنیم:
ksizes = [1, ksize_planes, ksize_rows, ksize_cols, 1]
strides = [1, stride_planes, strides_rows, strides_cols, 1]برمی‌گرداند:
-
Output: تانسور 5 بعدی با شکل[batch, out_planes, out_rows, out_cols, ksize_planes * ksize_rows * ksize_cols * depth]حاوی تکه‌هایی با اندازهksize_planes x ksize_rows x ksize_cols x depthبردار در ابعاد "depth". توجه داشته باشیدout_planes،out_rowsوout_colsابعاد وصله‌های خروجی هستند.
سازندگان و ویرانگرها | |
|---|---|
ExtractVolumePatches (const :: tensorflow::Scope & scope, :: tensorflow::Input input, const gtl::ArraySlice< int > & ksizes, const gtl::ArraySlice< int > & strides, StringPiece padding) |
صفات عمومی | |
|---|---|
operation | |
patches | |
توابع عمومی | |
|---|---|
node () const | ::tensorflow::Node * |
operator::tensorflow::Input () const | |
operator::tensorflow::Output () const | |
صفات عمومی
عملیات
Operation operation
تکه ها
::tensorflow::Output patches
توابع عمومی
ExtractVolumePatches
ExtractVolumePatches( const ::tensorflow::Scope & scope, ::tensorflow::Input input, const gtl::ArraySlice< int > & ksizes, const gtl::ArraySlice< int > & strides, StringPiece padding )
گره
::tensorflow::Node * node() const
عملگر::tensorflow::ورودی
operator::tensorflow::Input() const
عملگر::tensorflow::خروجی
operator::tensorflow::Output() const
جز در مواردی که غیر از این ذکر شده باشد،محتوای این صفحه تحت مجوز Creative Commons Attribution 4.0 License است. نمونه کدها نیز دارای مجوز Apache 2.0 License است. برای اطلاع از جزئیات، به خطمشیهای سایت Google Developers مراجعه کنید. جاوا علامت تجاری ثبتشده Oracle و/یا شرکتهای وابسته به آن است.
تاریخ آخرین بهروزرسانی 2025-07-26 بهوقت ساعت هماهنگ جهانی.
[null,null,["تاریخ آخرین بهروزرسانی 2025-07-26 بهوقت ساعت هماهنگ جهانی."],[],[],null,["# tensorflow::ops::ExtractVolumePatches Class Reference\n\ntensorflow::ops::ExtractVolumePatches\n=====================================\n\n`#include \u003carray_ops.h\u003e`\n\nExtract `patches` from `input` and put them in the \"depth\" output dimension.\n\nSummary\n-------\n\n3D extension of `extract_image_patches`.\n\nArguments:\n\n- scope: A [Scope](/versions/r2.0/api_docs/cc/class/tensorflow/scope#classtensorflow_1_1_scope) object\n- input: 5-D [Tensor](/versions/r2.0/api_docs/cc/class/tensorflow/tensor#classtensorflow_1_1_tensor) with shape `[batch, in_planes, in_rows, in_cols, depth]`.\n- ksizes: The size of the sliding window for each dimension of `input`.\n- strides: 1-D of length 5. How far the centers of two consecutive patches are in `input`. Must be: `[1, stride_planes, stride_rows, stride_cols, 1]`.\n- padding: The type of padding algorithm to use.\n\n\u003cbr /\u003e\n\nWe specify the size-related attributes as:\n\n\n```scdoc\n ksizes = [1, ksize_planes, ksize_rows, ksize_cols, 1]\n strides = [1, stride_planes, strides_rows, strides_cols, 1]\n```\n\n\u003cbr /\u003e\n\nReturns:\n\n- [Output](/versions/r2.0/api_docs/cc/class/tensorflow/output#classtensorflow_1_1_output): 5-D [Tensor](/versions/r2.0/api_docs/cc/class/tensorflow/tensor#classtensorflow_1_1_tensor) with shape `[batch, out_planes, out_rows, out_cols, ksize_planes * ksize_rows * ksize_cols * depth]` containing patches with size `ksize_planes x ksize_rows x ksize_cols x depth` vectorized in the \"depth\" dimension. Note `out_planes`, `out_rows` and `out_cols` are the dimensions of the output patches.\n\n\u003cbr /\u003e\n\n| ### Constructors and Destructors ||\n|---|---|\n| [ExtractVolumePatches](#classtensorflow_1_1ops_1_1_extract_volume_patches_1a752dba9a13577efb227d68e11e73e4e7)`(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, const gtl::ArraySlice\u003c int \u003e & ksizes, const gtl::ArraySlice\u003c int \u003e & strides, StringPiece padding)` ||\n\n| ### Public attributes ||\n|----------------------------------------------------------------------------------------------------|---------------------------------------------------------------------------------------------------------|\n| [operation](#classtensorflow_1_1ops_1_1_extract_volume_patches_1ab7a74fc2dc2e90c7c44399f5673a6664) | [Operation](/versions/r2.0/api_docs/cc/class/tensorflow/operation#classtensorflow_1_1_operation) |\n| [patches](#classtensorflow_1_1ops_1_1_extract_volume_patches_1a88a4e306f94549ed420d3e6770bf7bbc) | `::`[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_extract_volume_patches_1ad156203fcbe558f0a53b6c0b7f34c016)`() const ` | `::tensorflow::Node *` |\n| [operator::tensorflow::Input](#classtensorflow_1_1ops_1_1_extract_volume_patches_1ad316cf0f924cac92315f835a66c577f8)`() const ` | ` ` ` ` |\n| [operator::tensorflow::Output](#classtensorflow_1_1ops_1_1_extract_volume_patches_1a6ff00c0c8df929a77bf90a0258d87a88)`() const ` | ` ` ` ` |\n\nPublic attributes\n-----------------\n\n### operation\n\n```text\nOperation operation\n``` \n\n### patches\n\n```text\n::tensorflow::Output patches\n``` \n\nPublic functions\n----------------\n\n### ExtractVolumePatches\n\n```gdscript\n ExtractVolumePatches(\n const ::tensorflow::Scope & scope,\n ::tensorflow::Input input,\n const gtl::ArraySlice\u003c int \u003e & ksizes,\n const gtl::ArraySlice\u003c int \u003e & strides,\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```"]]