Preenche um tensor com valores espelhados.
Esta operação preenche um `input` com valores espelhados de acordo com os `paddings` que você especificar. `paddings` é um tensor inteiro com forma `[n, 2]`, onde n é a classificação de `input`. Para cada dimensão D de `input`, `paddings[D, 0]` indica quantos valores adicionar antes do conteúdo de `input` nessa dimensão e `paddings[D, 1]` indica quantos valores adicionar depois o conteúdo de `input` nessa dimensão. Ambos `paddings[D, 0]` e `paddings[D, 1]` não devem ser maiores que `input.dim_size(D)` (ou `input.dim_size(D) - 1`) se `copy_border` for true (se falso, respectivamente).
O tamanho acolchoado de cada dimensão D da saída é:
`paddings(D, 0) + input.dim_size(D) + paddings(D, 1)`
Por exemplo:
# '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]]
Métodos públicos
Saída <T> | comoSaída () Retorna o identificador simbólico de um tensor. |
estático <T, U estende Número> MirrorPad <T> | create ( Escopo do escopo, entrada Operando <T>, preenchimentos Operando <U>, modo String) Método de fábrica para criar uma classe que envolve uma nova operação MirrorPad. |
Saída <T> | saída () O tensor acolchoado. |
Métodos Herdados
Métodos públicos
Public Output <T> asOutput ()
Retorna o identificador simbólico de um tensor.
As entradas para operações do TensorFlow são saídas de outra operação do TensorFlow. Este método é usado para obter um identificador simbólico que representa o cálculo da entrada.
public static MirrorPad <T> create ( Escopo do escopo, entrada do Operando <T>, preenchimentos do Operando <U>, modo String)
Método de fábrica para criar uma classe que envolve uma nova operação MirrorPad.
Parâmetros
alcance | escopo atual |
---|---|
entrada | O tensor de entrada a ser preenchido. |
acolchoamentos | Uma matriz de duas colunas especificando os tamanhos de preenchimento. O número de linhas deve ser o mesmo que a classificação de `input`. |
modo | Ou `REFLECT` ou `SYMMETRIC`. No modo de reflexão as regiões acolchoadas não incluem as bordas, enquanto no modo simétrico as regiões acolchoadas incluem as bordas. Por exemplo, se `input` for `[1, 2, 3]` e `paddings` for `[0, 2]`, a saída será `[1, 2, 3, 2, 1]` no modo de reflexão , e é `[1, 2, 3, 3, 2]` no modo simétrico. |
Devoluções
- uma nova instância do MirrorPad