جریان تنسور:: عملیات:: آینه پد
#include <array_ops.h>
یک تانسور را با مقادیر آینهای قرار میدهد.
خلاصه
این عملیات یک input
با مقادیر آینه ای مطابق با paddings
که شما مشخص کرده اید، اضافه می کند. paddings
یک تانسور عدد صحیح با شکل [n, 2]
است که n رتبه input
است. برای هر بعد D input
، paddings[D, 0]
نشان میدهد که چند مقدار باید قبل از محتویات input
در آن بعد اضافه شود، و paddings[D, 1]
نشان میدهد که چند مقدار بعد از محتوای input
در آن بعد اضافه شود. هر دو paddings[D, 0]
و paddings[D, 1]
نباید بزرگتر از input.dim_size(D)
(یا input.dim_size(D) - 1
) باشند اگر copy_border
درست باشد (به ترتیب اگر نادرست باشد).
اندازه بالشتکی هر بعد D خروجی عبارت است از:
paddings(D, 0) + input.dim_size(D) + paddings(D, 1)
به عنوان مثال:
# '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]]
استدلال ها:
- scope: یک شی Scope
- ورودی: تانسور ورودی که قرار است پر شود.
- paddings: یک ماتریس دو ستونی که اندازه های بالشتک را مشخص می کند. تعداد سطرها باید با رتبه
input
یکسان باشد. - حالت: یا
REFLECT
یاSYMMETRIC
. در حالت انعکاس، نواحی پرشده شامل مرزها نمیشوند، در حالی که در حالت متقارن، نواحی بالشتکشده شامل مرزها میشوند. برای مثال، اگرinput
[1, 2, 3]
وpaddings
[0, 2]
باشد، خروجی در حالت بازتاب[1, 2, 3, 2, 1]
است و[1, 2, 3, 3, 2]
است.[1, 2, 3, 3, 2]
در حالت متقارن.
برمی گرداند:
-
Output
: تانسور پر شده.
سازندگان و ویرانگرها | |
---|---|
MirrorPad (const :: tensorflow::Scope & scope, :: tensorflow::Input input, :: tensorflow::Input paddings, StringPiece mode) |
صفات عمومی | |
---|---|
operation | |
output |
توابع عمومی | |
---|---|
node () const | ::tensorflow::Node * |
operator::tensorflow::Input () const | |
operator::tensorflow::Output () const |
صفات عمومی
عملیات
Operation operation
خروجی
::tensorflow::Output output
توابع عمومی
آینه پد
MirrorPad( const ::tensorflow::Scope & scope, ::tensorflow::Input input, ::tensorflow::Input paddings, StringPiece mode )
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 2024-11-18 بهوقت ساعت هماهنگ جهانی.