টেনসরফ্লো :: অপস:: প্রসারণ2D

4-ডি input এবং 3-ডি filter টেনসরের গ্রেস্কেল প্রসারণ গণনা করে।

সারাংশ

input টেনসরের আকৃতি আছে [batch, in_height, in_width, depth] এবং filter টেনসরের আকৃতি রয়েছে [filter_height, filter_width, depth] , অর্থাৎ, প্রতিটি ইনপুট চ্যানেল তার নিজস্ব কাঠামোগত ফাংশন সহ অন্যদের থেকে স্বাধীনভাবে প্রক্রিয়া করা হয়। output টেনসরের আকৃতি আছে [batch, out_height, out_width, depth] । আউটপুট টেনসরের স্থানিক মাত্রা padding অ্যালগরিদমের উপর নির্ভর করে। আমরা বর্তমানে শুধুমাত্র ডিফল্ট "NHWC" data_format সমর্থন করি।

বিস্তারিতভাবে, গ্রেস্কেল আকারগত 2-ডি প্রসারণ হল সর্বাধিক-সম সম্পর্ক ( conv2d এর সাথে সামঞ্জস্যের জন্য, আমরা আনমিররড ফিল্টার ব্যবহার করি):

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]

সর্বোচ্চ-পুলিং একটি বিশেষ ক্ষেত্রে যখন ফিল্টারটির আকার পুলিং কার্নেলের আকারের সমান থাকে এবং এতে সমস্ত শূন্য থাকে।

দ্বৈততার উপর দ্রষ্টব্য: filter দ্বারা input প্রসারণ প্রতিফলিত filter দ্বারা -input ক্ষয়কে অস্বীকার করার সমান।

যুক্তি:

• স্কোপ: একটি স্কোপ অবজেক্ট
• ইনপুট: আকৃতি সহ 4-D [batch, in_height, in_width, depth] ।
• ফিল্টার: 3-ডি আকৃতি সহ [filter_height, filter_width, depth] ।
• স্ট্রাইডস: ইনপুট টেনসরের প্রতিটি মাত্রার জন্য স্লাইডিং উইন্ডোর অগ্রগতি। হতে হবে: [1, stride_height, stride_width, 1] ।
• হার: অ্যাট্রাস আকারগত প্রসারণের জন্য ইনপুট স্ট্রাইড। হতে হবে: [1, rate_height, rate_width, 1] ।
• প্যাডিং: ব্যবহার করার জন্য প্যাডিং অ্যালগরিদমের ধরন।

রিটার্ন:

• Output : 4-D আকার সহ [batch, out_height, out_width, depth] ।

পাবলিক বৈশিষ্ট্য

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