您好,登錄后才能下訂單哦!
這篇文章將為大家詳細(xì)講解有關(guān)TensorFlow人工智能學(xué)習(xí)數(shù)據(jù)填充復(fù)制的示例分析,小編覺(jué)得挺實(shí)用的,因此分享給大家做個(gè)參考,希望大家閱讀完這篇文章后可以有所收獲。
該方法能夠給數(shù)據(jù)周?chē)?,填的參數(shù)是:需要填充的數(shù)據(jù)+填0的位置
填0的位置是一個(gè)數(shù)組形式,對(duì)應(yīng)如下:[[上行,下行],[左列,右列]],具體例子如下:
較為常用的是上下左右各一行。
給圖片進(jìn)行padding的時(shí)候,通常數(shù)據(jù)的維度是[b,h,w,c],那么增加兩行,兩列的話,是在中間的h和w增加:
該方法可以復(fù)制數(shù)據(jù),需要填的參數(shù):數(shù)據(jù),維度+對(duì)應(yīng)的復(fù)制次數(shù)。
broadcast_to = expand_dims + tile,通常情況下,只要操作符合broadcast原則就可以,連broadcast_to這個(gè)操作都不需要用,就會(huì)自動(dòng)擴(kuò)展并復(fù)制進(jìn)行操作。
關(guān)于“TensorFlow人工智能學(xué)習(xí)數(shù)據(jù)填充復(fù)制的示例分析”這篇文章就分享到這里了,希望以上內(nèi)容可以對(duì)大家有一定的幫助,使各位可以學(xué)到更多知識(shí),如果覺(jué)得文章不錯(cuò),請(qǐng)把它分享出去讓更多的人看到。
免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng),如果涉及侵權(quán)請(qǐng)聯(lián)系站長(zhǎng)郵箱:is@yisu.com進(jìn)行舉報(bào),并提供相關(guān)證據(jù),一經(jīng)查實(shí),將立刻刪除涉嫌侵權(quán)內(nèi)容。