Python tf.compat.v1.image.extract_glimpse用法及代碼示例

從輸入張量中提取一瞥。

用法

tf.compat.v1.image.extract_glimpse(
    input, size, offsets, centered=True, normalized=True, uniform_noise=True,
    name=None
)

參數

input Tensor 類型為 float32 。形狀為 [batch_size, height, width, channels] 的 4-D 浮點張量。
size Tensor 類型為 int32 。一個 2 個元素的 1-D 張量，包含要提取的 glimpses 的大小。必須首先指定一瞥高度，然後是一瞥寬度。
offsets Tensor 類型為 float32 。形狀為 [batch_size, 2] 的二維整數張量，包含每個窗口中心的 y、x 位置。
centered 可選的 bool 。默認為 True 。指示偏移坐標是否相對於圖像居中，在這種情況下， (0, 0) 偏移相對於輸入圖像的中心。如果為 false，則 (0,0) 偏移量對應於輸入圖像的左上角。
normalized 可選的 bool 。默認為 True 。指示偏移坐標是否已歸一化。
uniform_noise 可選的 bool 。默認為 True 。指示是否應使用均勻分布或高斯分布生成噪聲。
name 操作的名稱(可選)。

Tensor 類型為 float32 。

從輸入張量返回在位置 offsets 處提取的一組稱為 glimpses 的窗口。如果窗口僅與輸入部分重疊，則非重疊區域將充滿隨機噪聲。

結果是形狀為 [batch_size, glimpse_height, glimpse_width, channels] 的 4-D 張量。通道和批次維度與輸入張量相同。輸出窗口的高度和寬度在size 參數中指定。

參數 normalized 和 centered 控製窗口的構建方式：

如果坐標歸一化但未居中，則 0.0 和 1.0 對應於每個高度和寬度維度的最小值和最大值。
如果坐標既歸一化又居中，則它們的範圍為 -1.0 到 1.0。坐標 (-1.0, -1.0) 對應左上角，右下角位於 (1.0, 1.0)，中心位於 (0, 0)。
如果坐標未標準化，則它們被解釋為像素數。

使用示例：

x = [[[[0.0],
          [1.0],
          [2.0]],
         [[3.0],
          [4.0],
          [5.0]],
         [[6.0],
          [7.0],
          [8.0]]]]
tf.compat.v1.image.extract_glimpse(x, size=(2, 2), offsets=[[1, 1]],
                                   centered=False, normalized=False)
<tf.Tensor:shape=(1, 2, 2, 1), dtype=float32, numpy=
array([[[[0.],
         [1.]],
        [[3.],
         [4.]]]], dtype=float32)>

相關用法

注：本文由純淨天空篩選整理自tensorflow.org大神的英文原創作品 tf.compat.v1.image.extract_glimpse。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。