جریان تنسور:: عملیات:: آینه پد

یک تانسور را با مقادیر آینه‌ای قرار می‌دهد.

خلاصه

این عملیات یک input با مقادیر آینه ای مطابق با paddings که شما مشخص کرده اید، اضافه می کند. paddings یک تانسور عدد صحیح با شکل [n, 2] است که n رتبه input است. برای هر بعد D input ، paddings[D, 0] نشان می‌دهد که چند مقدار باید قبل از محتویات input در آن بعد اضافه شود، و paddings[D, 1] نشان می‌دهد که چند مقدار بعد از محتوای input در آن بعد اضافه شود. هر دو paddings[D, 0] و paddings[D, 1] نباید بزرگتر از input.dim_size(D) (یا input.dim_size(D) - 1 ) باشند اگر copy_border درست باشد (به ترتیب اگر نادرست باشد).

اندازه بالشتکی هر بعد D خروجی عبارت است از:

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

به عنوان مثال:

# '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]]

استدلال ها:

• scope: یک شی Scope
• ورودی: تانسور ورودی که قرار است پر شود.
• paddings: یک ماتریس دو ستونی که اندازه های بالشتک را مشخص می کند. تعداد سطرها باید با رتبه input یکسان باشد.
• حالت: یا REFLECT یا SYMMETRIC . در حالت انعکاس، نواحی پرشده شامل مرزها نمی‌شوند، در حالی که در حالت متقارن، نواحی بالشتک‌شده شامل مرزها می‌شوند. برای مثال، اگر input [1, 2, 3] و paddings [0, 2] باشد، خروجی در حالت بازتاب [1, 2, 3, 2, 1] است و [1, 2, 3, 3, 2] است. [1, 2, 3, 3, 2] در حالت متقارن.

برمی گرداند:

• Output : تانسور پر شده.

صفات عمومی

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