텐서플로우:: 작전:: 미러패드

미러링된 값으로 텐서를 채웁니다.

요약

이 작업은 지정한 paddings 에 따라 미러링된 값으로 input 채웁니다. paddings [n, 2] 형태의 정수 텐서입니다. 여기서 n은 input 의 순위입니다. input 의 각 차원 D에 대해 paddings[D, 0] 해당 차원의 input 내용 앞에 추가할 값 수를 나타내고, paddings[D, 1] 해당 차원의 input 내용 뒤에 추가할 값 수를 나타냅니다. copy_border true인 경우(각각 false인 경우) paddings[D, 0] 및 paddings[D, 1] 은 모두 input.dim_size(D) (또는 input.dim_size(D) - 1 )보다 크지 않아야 합니다.

출력의 각 차원 D의 패딩된 크기는 다음과 같습니다.

paddings(D, 0) + input.dim_size(D) + paddings(D, 1)

예를 들어:

# 't' is [[1, 2, 3], [4, 5, 6]].
# 'paddings' is [[1, 1]], [2, 2]].
# 'mode' is SYMMETRIC.
# rank of 't' is 2.
pad(t, paddings) ==> [[2, 1, 1, 2, 3, 3, 2]
                      [2, 1, 1, 2, 3, 3, 2]
                      [5, 4, 4, 5, 6, 6, 5]
                      [5, 4, 4, 5, 6, 6, 5]]

인수:

• 범위: 범위 개체
• input: 패딩할 입력 텐서입니다.
• 패딩: 패딩 크기를 지정하는 2열 행렬입니다. 행 개수는 input 순위와 동일해야 합니다.
• 모드: REFLECT 또는 SYMMETRIC . 반사 모드에서는 패딩된 영역에 테두리가 포함되지 않지만 대칭 모드에서는 패딩된 영역에 테두리가 포함됩니다. 예를 들어, input [1, 2, 3] 이고 paddings [0, 2] 이면 출력은 반사 모드에서 [1, 2, 3, 2, 1] 이고 [1, 2, 3, 3, 2] 입니다. [1, 2, 3, 3, 2] 대칭 모드에서.

보고:

• Output : 패딩된 텐서.

공개 속성

Operation operation

::tensorflow::Output output

 MirrorPad(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input input,
  ::tensorflow::Input paddings,
  StringPiece mode
)

::tensorflow::Node * node() const 

 operator::tensorflow::Input() const 

 operator::tensorflow::Output() const