Đệm một tensor với các giá trị được phản ánh.
Thao tác này đệm một `đầu vào` với các giá trị được phản chiếu theo `phần đệm` mà bạn chỉ định. `paddings` là một tensor nguyên có hình dạng `[n, 2]`, trong đó n là thứ hạng của `input`. Đối với mỗi thứ nguyên D của `input`, `paddings[D, 0]` cho biết số lượng giá trị cần thêm trước nội dung của `input` trong thứ nguyên đó và `paddings[D, 1]` cho biết số lượng giá trị cần thêm sau nội dung của `input` trong chiều đó. Cả `paddings[D, 0]` và `paddings[D, 1]` không được lớn hơn `input.dim_size(D)` (hoặc `input.dim_size(D) - 1`) nếu `copy_border` là true (nếu sai thì tương ứng).
Kích thước đệm của mỗi chiều D của đầu ra là:
`phần đệm(D, 0) + input.dim_size(D) + phần đệm(D, 1)`
Ví dụ:
# '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]]
Hằng số
Sợi dây | OP_NAME | Tên của op này, được biết đến bởi công cụ lõi TensorFlow |
Phương pháp công khai
Đầu ra <T> | asOutput () Trả về tay cầm tượng trưng của tensor. |
tĩnh <T mở rộng TType > MirrorPad <T> | |
Đầu ra <T> | đầu ra () Các tensor đệm. |
Phương pháp kế thừa
Hằng số
Chuỗi cuối cùng tĩnh công khai OP_NAME
Tên của op này, được biết đến bởi công cụ lõi TensorFlow
Phương pháp công khai
Đầu ra công khai <T> asOutput ()
Trả về tay cầm tượng trưng của tensor.
Đầu vào của các hoạt động TensorFlow là đầu ra của một hoạt động TensorFlow khác. Phương pháp này được sử dụng để thu được một thẻ điều khiển mang tính biểu tượng đại diện cho việc tính toán đầu vào.
public static MirrorPad <T> tạo (Phạm vi phạm vi, đầu vào Toán hạng <T>, Toán tử <? mở rộng TNumber > phần đệm, Chế độ chuỗi)
Phương thức xuất xưởng để tạo một lớp bao bọc một thao tác MirrorPad mới.
Thông số
phạm vi | phạm vi hiện tại |
---|---|
đầu vào | Tenxơ đầu vào cần được đệm. |
phần đệm | Ma trận hai cột chỉ định kích thước phần đệm. Số lượng hàng phải bằng thứ hạng của `đầu vào`. |
cách thức | `PHẢN HỒI` hoặc `SYMMETRIC`. Trong chế độ phản chiếu, các vùng được đệm không bao gồm các đường viền, trong khi ở chế độ đối xứng, các vùng được đệm bao gồm các đường viền. Ví dụ: nếu `input` là `[1, 2, 3]` và `paddings` là `[0, 2]`, thì đầu ra là `[1, 2, 3, 2, 1]` ở chế độ phản chiếu , và nó là `[1, 2, 3, 3, 2]` ở chế độ đối xứng. |
Trả lại
- một phiên bản mới của MirrorPad