اتساع مقیاس خاکستری تانسورهای «ورودی» 4 بعدی و «فیلتر» سه بعدی را محاسبه می کند.
تانسور «ورودی» شکل «[دسته‌ای، در_ارتفاع، در عرض، عمق]» دارد و تانسور «فیلتر» شکل «[ارتفاع_فیلتر، عرض_فیلتر، عمق]» دارد، یعنی هر کانال ورودی به‌طور مستقل از کانال‌های دیگر با کانال خود پردازش می‌شود. عملکرد ساختاری تانسور «خروجی» شکل «[دسته، خارج_ارتفاع، خارج_عرض، عمق]» دارد. ابعاد فضایی تانسور خروجی به الگوریتم «padding» بستگی دارد. ما در حال حاضر فقط از «فرمت_داده» پیش‌فرض «NHWC» پشتیبانی می‌کنیم.
در جزئیات، اتساع مورفولوژیکی دوبعدی مقیاس خاکستری حداکثر همبستگی است (برای سازگاری با 'conv2d'، ما از فیلترهای بدون آینه استفاده می کنیم):
خروجی[b، y، x، c] = max_{dy، dx} ورودی[b، گام‌ها[1] * y + نرخ[1] * dy، گام‌ها[2] * x + نرخ[2] * dx، c ] + فیلتر[dy، dx، c]
Max-pooling یک مورد خاص است که فیلتر دارای اندازه ای برابر با اندازه هسته ادغام باشد و تمام صفرها را در خود داشته باشد.
نکته در مورد دوگانگی: اتساع «ورودی» توسط «فیلتر» برابر است با نفی فرسایش «-ورودی» توسط «فیلتر» منعکس شده.
ثابت ها
| رشته | OP_NAME | نام این عملیات، همانطور که توسط موتور هسته TensorFlow شناخته می شود |
روش های عمومی
| خروجی <T> | asOutput () دسته نمادین تانسور را برمی گرداند. |
| <T ثابت TNumber > Dilation2d <T> را گسترش می دهد | |
| خروجی <T> | خروجی () 4-بعدی با شکل «[دسته، خارج_ارتفاع، خارج_عرض، عمق]». |
روش های ارثی
ثابت ها
رشته نهایی ثابت عمومی OP_NAME
نام این عملیات، همانطور که توسط موتور هسته TensorFlow شناخته می شود
روش های عمومی
خروجی عمومی <T> asOutput ()
دسته نمادین تانسور را برمی گرداند.
ورودی های عملیات TensorFlow خروجی های عملیات تنسورفلو دیگر هستند. این روش برای به دست آوردن یک دسته نمادین که نشان دهنده محاسبه ورودی است استفاده می شود.
ایجاد استاتیک عمومی Dilation2d <T> ( دامنه دامنه ، ورودی عملوند <T>، فیلتر عملوند <T>، گام‌های فهرست <طولانی>، نرخ‌های فهرست <طولانی>، لایه‌بندی رشته‌ها)
روش کارخانه برای ایجاد کلاسی که یک عملیات Dilation2d جدید را بسته بندی می کند.
مولفه های
| محدوده | محدوده فعلی |
|---|---|
| ورودی | 4-بعدی با شکل «[دسته، در_ارتفاع، در_عرض، عمق]». |
| فیلتر | سه بعدی با شکل «[ارتفاع_فیلتر،عرض_فیلتر، عمق]». |
| گام برداشت | گام پنجره کشویی برای هر بعد تانسور ورودی. باید: «[1، گام_ارتفاع، گام_عرض، 1]». |
| نرخ ها | گام ورودی برای اتساع مورفولوژیکی آتروز. باید: «[1، rate_height، rate_width، 1]». |
| لایه گذاری | نوع الگوریتم padding مورد استفاده. |
برمی گرداند
- یک نمونه جدید از Dilation2d