tensorflow:: אופס:: MirrorPad

מרפד טנזור עם ערכי שיקוף.

תַקצִיר

פעולה זו מרפדת קלט עם input שיקוף בהתאם paddings שאתה מציין. paddings הוא טנזור שלם עם צורה [n, 2] , כאשר n היא דרגת input . עבור כל ממד D של input , paddings[D, 0] מציינים כמה ערכים להוסיף לפני תוכן input בממד זה, paddings[D, 1] מציינים כמה ערכים להוסיף אחרי תוכן input באותו ממד. גם paddings[D, 0] וגם paddings[D, 1] לא צריכים להיות גדולים מ- input.dim_size(D) (או input.dim_size(D) - 1 ) אם copy_border הוא אמת (אם שקר, בהתאמה).

הגודל המרופד של כל מימד D של הפלט הוא:

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

לְדוּגמָה:

# '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]]

טיעונים:

• scope: אובייקט Scope
• קלט: טנזור הקלט שיש לרפד.
• ריפודים: מטריצה ​​של שתי עמודות המציינת את גדלי הריפוד. מספר השורות חייב להיות זהה לדרגת input .
• מצב: REFLECT או SYMMETRIC . במצב שיקוף האזורים המרופדים אינם כוללים את הגבולות, בעוד שבמצב סימטרי האזורים המרופדים כן כוללים את הגבולות. לדוגמה, אם input הוא [1, 2, 3] paddings הם [0, 2] , אז הפלט הוא [1, 2, 3, 2, 1] במצב שיקוף, והוא [1, 2, 3, 3, 2] במצב סימטרי.

החזרות:

• Output : הטנזור המרופד.

תכונות ציבוריות

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