Dilatação2D 

@frozen
public struct Dilation2D<Scalar> : Layer where Scalar : TensorFlowFloatingPoint

Uma camada de dilatação morfológica 2-D

Esta camada retorna a dilatação morfológica do tensor de entrada com os filtros fornecidos

  • O filtro de dilatação 4-D.

    Declaração 

    public var filter: Tensor<Scalar>

  • Os avanços da janela deslizante para dimensões espaciais.

    Declaração 

    @noDerivative
public let strides: (Int, Int)

  • O algoritmo de preenchimento para dilatação.

    Declaração 

    @noDerivative
public let padding: Padding

  • O fator de dilatação para dimensões espaciais.

    Declaração 

    @noDerivative
public let rates: (Int, Int)

  • Cria uma camada Dilation2D com o filtro, passadas, dilatações e preenchimento especificados.

    Declaração 

    public init(
  filter: Tensor<Scalar>,
  strides: (Int, Int) = (1, 1),
  rates: (Int, Int) = (1, 1),
  padding: Padding = .valid
)

    Parâmetros

    filter

    O filtro de dilatação 4-D de formato [altura do filtro, largura do filtro, contagem de canais de entrada, contagem de canais de saída].

    strides

    Os avanços da janela deslizante para dimensões espaciais, ou seja, (altura do passo, largura do passo).

    rates

    As taxas de dilatação para dimensões espaciais, ou seja, (altura de dilatação, largura de dilatação).

    padding

    O algoritmo de preenchimento para dilatação.

  • Retorna a saída obtida ao aplicar a camada à entrada fornecida.

    As dimensões espaciais de saída são calculadas como:

    altura de saída = (altura de entrada + 2 * altura de preenchimento - (altura de dilatação * (altura do filtro - 1) + 1)) / altura da passada + 1

    largura de saída = (largura de entrada + 2 * largura de preenchimento - (largura de dilatação * (largura do filtro - 1) + 1)) / largura da passada + 1

    e os tamanhos de preenchimento são determinados pelo esquema de preenchimento.

    Observação

    O tamanho do preenchimento é igual a zero ao usar .valid .

    Declaração 

    @differentiable
public func forward(_ input: Tensor<Scalar>) -> Tensor<Scalar>

    Parâmetros

    input

    A entrada para a camada de forma [tamanho do lote, altura de entrada, largura de entrada, contagem de canais de entrada].

    Valor de retorno

    A saída da forma [contagem de lote, altura de saída, largura de saída, contagem de canais de saída].