dòng chảy căng:: ôi:: MirrorPad

Đệm một tensor với các giá trị được phản ánh.

Bản tóm tắt

Thao tác này đệm input với các giá trị được phản chiếu theo paddings mà bạn chỉ định. paddings là một tensor số nguyên có hình dạng [n, 2] , trong đó n là thứ hạng của input . Đối với mỗi thứ nguyên D của input , paddings[D, 0] cho biết số lượng giá trị cần thêm trước nội dung input trong thứ nguyên đó và paddings[D, 1] cho biết số lượng giá trị cần thêm sau nội dung input trong thứ nguyên đó. Cả paddings[D, 0] và paddings[D, 1] không được lớn hơn input.dim_size(D) (hoặc input.dim_size(D) - 1 ) nếu copy_border là đúng (nếu sai, tương ứng).

Kích thước đệm của mỗi chiều D của đầu ra là:

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

Ví dụ:

# '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]]

Lập luận:

• phạm vi: Một đối tượng phạm vi
• đầu vào: Tensor đầu vào được đệm.
• phần đệm: Ma trận hai cột chỉ định kích thước phần đệm. Số lượng hàng phải giống với thứ hạng của input .
• chế độ: REFLECT hoặc SYMMETRIC . Trong chế độ phản chiếu, các vùng được đệm không bao gồm các đường viền, trong khi ở chế độ đối xứng, các vùng được đệm bao gồm các đường viền. Ví dụ: nếu input là [1, 2, 3] và paddings là [0, 2] thì đầu ra là [1, 2, 3, 2, 1] ở chế độ phản chiếu và đó là [1, 2, 3, 3, 2] ở chế độ đối xứng.

Trả về:

• Output : Tensor có đệm.

Thuộc tính công khai

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