tensorflow::ops::Dilation2D

#include <nn_ops.h>

Вычисляет градационное расширение 4-мерных input и 3-мерных filter тензоров.

Краткое описание

Тензор input имеет форму [batch, in_height, in_width, depth], а тензор filter имеет форму [filter_height, filter_width, depth], т.е. каждый канал входного тензора обрабатывается независимо от других с собственной структурирующей функцией. Тензор output имеет форму [batch, out_height, out_width, depth]. Пространственные размеры выходного тензора зависят от padding алгоритма. В настоящее время мы поддерживаем только по умолчанию "NHWC" data_format.

Более подробно, градационное морфологическое 2-мерное расширение представляет собой корреляцию максимум-сумма (для согласованности с conv2d, мы используем незеркальные фильтры):

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]

Максимальный пул — это частный случай, когда размер фильтра равен размеру ядра пула и содержит все нули.

Замечание о двойственности: расширение input с помощью filter равно отрицанию эрозии -input с помощью отраженного filter.

Аргументы:

• scope: Объект Scope
• input: 4-мерный с формой [batch, in_height, in_width, depth].
• filter: 3-мерный с формой [filter_height, filter_width, depth].
• strides: Шаг скользящего окна для каждой размерности входного тензора. Должен быть: [1, stride_height, stride_width, 1].
• rates: Шаг входных данных для атропного морфологического расширения. Должен быть: [1, rate_height, rate_width, 1].
• padding: Тип алгоритма заполнения.

Возвращает:

• Output: 4-мерный с формой [batch, out_height, out_width, depth].

Общедоступные атрибуты

Operation operation

::tensorflow::Output output

Общедоступные функции

 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