Menghitung dilatasi skala abu-abu dari `input` 4-D dan `filter` 3-D.
Tensor `input` memiliki bentuk `[batch, in_height, in_width, depth]` dan tensor `filter` memiliki bentuk `[filter_height, filter_width, depth]`, yaitu, setiap saluran input diproses secara independen satu sama lain dengan caranya sendiri fungsi penataan. Tensor `output` memiliki bentuk `[batch, out_height, out_width, depth]`. Dimensi spasial tensor keluaran bergantung pada algoritma `padding`. Saat ini kami hanya mendukung `format_data` "NHWC" default.
Secara rinci, dilatasi 2-D morfologi skala abu-abu adalah korelasi jumlah maksimum (untuk konsistensi dengan `conv2d`, kami menggunakan filter yang tidak dicerminkan):
keluaran[b, y, x, c] = max_{dy, dx} masukan[b, langkah[1] * y + tarif[1] * dy, langkah[2] * x + tarif[2] * dx, c ] + filter[dy, dx, c]
Max-pooling adalah kasus khusus ketika filter memiliki ukuran yang sama dengan ukuran kernel pooling dan berisi semua angka nol.
Catatan tentang dualitas: Pelebaran `input` oleh `filter` sama dengan negasi erosi `-input` oleh `filter` yang dipantulkan.
Konstanta
| Rangkaian | OP_NAME | Nama operasi ini dikenal dengan mesin inti TensorFlow |
Metode Publik
| Keluaran <T> | sebagai Keluaran () Mengembalikan pegangan simbolis tensor. |
| statis <T memperluas Nomor T > Pelebaran2d <T> | |
| Keluaran <T> | keluaran () 4-D dengan bentuk `[batch, out_height, out_width, depth]`. |
Metode Warisan
Konstanta
String akhir statis publik OP_NAME
Nama operasi ini dikenal dengan mesin inti TensorFlow
Metode Publik
Keluaran publik <T> sebagai Keluaran ()
Mengembalikan pegangan simbolis tensor.
Masukan ke operasi TensorFlow adalah keluaran dari operasi TensorFlow lainnya. Metode ini digunakan untuk mendapatkan pegangan simbolis yang mewakili perhitungan input.
public static Dilation2d <T> buat ( Lingkup lingkup, masukan Operan <T>, filter Operan <T>, Langkah Daftar<Panjang>, Kecepatan Daftar<Panjang>, Bantalan string)
Metode pabrik untuk membuat kelas yang membungkus operasi Dilation2d baru.
Parameter
| cakupan | ruang lingkup saat ini |
|---|---|
| memasukkan | 4-D dengan bentuk `[batch, in_height, in_width, depth]`. |
| Saring | 3-D dengan bentuk `[filter_height, filter_width, depth]`. |
| langkah | Langkah jendela geser untuk setiap dimensi tensor masukan. Harus: `[1, tinggi_langkah, lebar_langkah, 1]`. |
| tarif | Langkah masukan untuk dilatasi morfologi atrous. Harus: `[1, rate_height, rate_width, 1]`. |
| lapisan | Jenis algoritma padding yang akan digunakan. |
Kembali
- contoh baru Dilation2d