aliran tensor:: operasi:: Dilatasi2D

Menghitung dilatasi skala abu-abu dari input 4-D dan tensor filter 3-D.

Ringkasan

Tensor input berbentuk [batch, in_height, in_width, depth] dan tensor filter berbentuk [filter_height, filter_width, depth] , yaitu, setiap saluran masukan diproses secara independen satu sama lain dengan fungsi penataannya sendiri. Tensor output memiliki bentuk [batch, out_height, out_width, depth] . Dimensi spasial tensor keluaran bergantung pada algoritma padding . Saat ini kami hanya mendukung data_format "NHWC" default.

Secara rinci, dilatasi 2-D morfologi skala abu-abu adalah korelasi jumlah maksimal (untuk konsistensi dengan conv2d , kami menggunakan filter yang tidak dicerminkan):

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 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.

Argumen:

• ruang lingkup: Objek Lingkup
• masukan: 4-D dengan bentuk [batch, in_height, in_width, depth] .
• filter: 3-D dengan bentuk [filter_height, filter_width, depth] .
• langkah: Langkah jendela geser untuk setiap dimensi tensor masukan. Harus: [1, stride_height, stride_width, 1] .
• rate: Langkah masukan untuk dilatasi morfologi yang atrous. Harus: [1, rate_height, rate_width, 1] .
• padding: Jenis algoritma padding yang akan digunakan.

Pengembalian:

• Output : 4-D dengan bentuk [batch, out_height, out_width, depth] .

Atribut publik

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