TensorFlow函數教程：tf.nn.dilation2d

tf.nn.dilation2d函數

tf.nn.dilation2d(
    input,
    filter,
    strides,
    rates,
    padding,
    name=None
)

定義在：tensorflow/python/ops/gen_nn_ops.py.

請參閱指南：神經網絡>形態(tài)學濾波

計算4-Dinput和3-Dfilter張量的灰度擴張.

input張量具有shape[batch, in_height, in_width, depth],filter張量具有shape[filter_height, filter_width, depth],即,每個輸入通道都獨立于其他輸入通道進行處理,具有自己的結構函數.該output張量具有shape[batch, out_height, out_width, depth].輸出張量的空間維度取決于padding算法.我們目前只支持默認的“NHWC”data_format.

詳細地說,灰度形態(tài)2-D擴張是最大和相關(為了與conv2d一致,我們使用未經過鏡像的濾波器)：

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]

當過濾器的大小等于池內核大小并包含全零時,最大池是一種特殊情況.

二元性的注意事項：filter對input的擴張等于反射filter對-input侵蝕的否定.

參數：

• input：一個4-DTensor,必須是下列類型之一：float32,float64,int32,uint8,int16,int8,int64,bfloat16,uint16,half,uint32,uint64,shape為[batch, in_height, in_width, depth].
• filter：一個3-DTensor,必須與input具有相同類型,shape為[filter_height, filter_width, depth].
• strides：ints列表,長度>= 4.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：ints列表,長度>= 4.輸入大步進行劇烈的形態(tài)學擴張.必須是：[1, rate_height, rate_width, 1].
• padding：string,可以是："SAME", "VALID".要使用的填充算法的類型.
• name：操作的名稱(可選).

返回：

一個Tensor,與input有相同的類型.