جریان تنسور:: عملیات:: Dilation2D

اتساع مقیاس خاکستری input 4 بعدی و تانسورهای filter 3 بعدی را محاسبه می کند.

خلاصه

تانسور input دارای شکل [batch, in_height, in_width, depth] و تانسور filter دارای شکل [filter_height, filter_width, depth] ، یعنی هر کانال ورودی مستقل از کانال های دیگر با عملکرد ساختاری خاص خود پردازش می شود. تانسور output دارای شکل [batch, out_height, out_width, depth] است. ابعاد فضایی تانسور خروجی به الگوریتم padding بستگی دارد. ما در حال حاضر فقط از «NHWC» data_format پیش‌فرض پشتیبانی می‌کنیم.

در جزئیات، اتساع مورفولوژیکی دوبعدی مقیاس خاکستری حداکثر همبستگی است (برای سازگاری با conv2d ، ما از فیلترهای بدون آینه استفاده می‌کنیم):

output[b, y, x, c] =
   max_{dy, dx} input[b,
                      strides[1] * y + rates[1] * dy,
                      strides[2] * x + rates[2] * dx,
                      c] +
                filter[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 input توسط filter برابر است با نفی فرسایش -input توسط filter منعکس شده.

استدلال ها:

• scope: یک شی Scope
• ورودی: 4 بعدی با شکل [batch, in_height, in_width, depth] .
• فیلتر: سه بعدی با شکل [filter_height, filter_width, depth] .
• strides: گام پنجره کشویی برای هر بعد تانسور ورودی. باید: [1, stride_height, stride_width, 1] باشد.
• نرخ ها: گام ورودی برای اتساع مورفولوژیکی آتروز. باید: [1, rate_height, rate_width, 1] باشد.
• padding: نوع الگوریتم padding مورد استفاده.

برمی‌گرداند:

• Output : 4-بعدی با شکل [batch, out_height, out_width, depth] .

صفات عمومی

Operation operation

::tensorflow::Output output

 Dilation2D(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input input,
  ::tensorflow::Input filter,
  const gtl::ArraySlice< int > & strides,
  const gtl::ArraySlice< int > & rates,
  StringPiece padding
)

::tensorflow::Node * node() const 

 operator::tensorflow::Input() const 

 operator::tensorflow::Output() const