Python tf.compat.v1.nn.dilation2d用法及代碼示例

計算 4-D input 和 3-D filter 張量的灰度膨脹。

用法

tf.compat.v1.nn.dilation2d(
    input, filter=None, strides=None, rates=None, padding=None, name=None,
    filters=None, dilations=None
)

參數

input 一個Tensor。必須是以下類型之一：float32 , float64 , int32 , uint8 , int16 , int8 , int64 , bfloat16 , uint16 , half , uint32 , uint64。 4-D 形狀 [batch, in_height, in_width, depth] 。
filter 一個Tensor。必須與 input 具有相同的類型。 3-D 形狀 [filter_height, filter_width, depth] 。
strides 長度為 >= 4 的 ints 列表。輸入張量的每個維度的滑動窗口的步幅。必須是：[1, stride_height, stride_width, 1]。
rates 長度為 >= 4 的 ints 列表。 atrous 形態擴張的輸入步幅。必須是：[1, rate_height, rate_width, 1]。
padding string 來自："SAME", "VALID"。要使用的填充算法的類型。
name 操作的名稱(可選)。

一個Tensor。具有與 input 相同的類型。

input 張量的形狀為 [batch, in_height, in_width, depth] 而 filter 張量的形狀為 [filter_height, filter_width, depth] ，即每個輸入通道獨立於其他輸入通道進行處理，並具有自己的結構化函數。 output 張量的形狀為 [batch, out_height, out_width, depth] 。輸出張量的空間維度取決於padding 算法。我們目前隻支持默認的 "NHWC" data_format 。

詳細地說，灰度形態二維膨脹是 max-sum 相關性(為了與 conv2d 保持一致，我們使用非鏡像過濾器)：

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]

Max-pooling 是過濾器的大小等於池化內核大小並且包含全零時的一種特殊情況。

關於對偶性的注意事項：filter 對input 的膨脹等於反射filter 對-input 的侵蝕的否定。

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.nn.dilation2d。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。

用法

參數

返回