当前位置: 首页>>代码示例 >>用法及示例精选 >>正文

Python tf.nn.erosion2d用法及代码示例


计算 4-D value 和 3-D filters 张量的灰度侵蚀。

用法

tf.nn.erosion2d(
    value, filters, strides, padding, data_format, dilations, name=None
)

参数

  • value 一个Tensor。 4-D 形状 [batch, in_height, in_width, depth] 。
  • filters 一个Tensor。必须与 value 具有相同的类型。 3-D 形状 [filters_height, filters_width, depth] 。
  • strides 长度为 >= 4 的 ints 列表。长度为 4 的一维。输入张量的每个维度的滑动窗口的步幅。必须是：[1, stride_height, stride_width, 1]。
  • padding A string从："SAME", "VALID".要使用的填充算法的类型。看这里了解更多信息。
  • data_format A string ，目前仅支持 "NHWC"。
  • dilations 长度为 >= 4 的 ints 列表。长度为 4 的 1-D。atrous 形态扩张的输入步幅。必须是：[1, rate_height, rate_width, 1]。
  • name 操作的名称(可选)。如果未指定，则使用 "erosion2d"。

返回

  • 一个Tensor。具有与 value 相同的类型。 4-D 形状 [batch, out_height, out_width, depth] 。

抛出

  • ValueError 如果 value 深度与 filters ' 形状不匹配，或者填充不是 'VALID' 或 'SAME' 。

value 张量的形状为 [batch, in_height, in_width, depth] 而 filters 张量的形状为 [filters_height, filters_width, depth] ，即每个输入通道独立于其他输入通道进行处理，并具有自己的结构化函数。 output 张量的形状为 [batch, out_height, out_width, depth] 。输出张量的空间维度取决于padding 算法。我们目前只支持默认的 "NHWC" data_format 。

详细而言，灰度形态二维侵蚀由下式给出：

output[b, y, x, c] =
   min_{dy, dx} value[b,
                      strides[1] * y - dilations[1] * dy,
                      strides[2] * x - dilations[2] * dx,
                      c] -
                filters[dy, dx, c]

对偶性：filters对value的腐蚀等于-value被反射的filters对膨胀的否定。

相关用法


注：本文由纯净天空筛选整理自tensorflow.org大神的英文原创作品 tf.nn.erosion2d。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。