反射填充作为纯角的验证

Question

我在plaidML后端使用keras，需要实现反射填充。

使用tensorflow后端，这是一个简单的tf.pad，mode设置为反射。

如何用K函数或plaidml平铺函数实现该功能？

或者有什么实现可以供我使用？

使用K函数，简单地将值切片、倒置和连接在一起可能是可能的，但我在那个方向上的所有尝试都是一团糟的，而且并没有真正解决。

Answer 1

这里有一个反射填充的版本，作为纯K函数，它应该(但不是经过测试)与每个后端一起工作：

def reflection_padding(inp, paddings):
    paddings = [(x, x) if isinstance(x, int) else x for x in paddings]
    ishape = inp.shape.dims
    ndims = inp.shape.ndims
    if len(ishape) != len(paddings):
        raise ValueError("Padding dims != input dims")
    last = inp
    _all_slice = slice(None, None, None)

    def _get_slices(ndims, axis, slice_):
        ret = [_all_slice for _ in range(ndims)]
        ret[axis] = slice_
        return tuple(ret)

    for axis, pads in ((i, x) for i, x in enumerate(paddings) if x[0]+x[1] != 0):
        pad_data = []
        if pads[0]:
            pre = last[_get_slices(ndims, axis, slice(pads[0], 0, -1))]
            pad_data.append(pre)
        pad_data.append(last)
        if pads[1]:
            post = last[_get_slices(ndims, axis, slice(-2, -pads[1]-2, -1))]
            pad_data.append(post)
        last = K.concatenate(pad_data, axis)
        ishape = last.shape.dims
    return last

# USAGE: reflection_padding(image_batch, [0, [2,2], [2,2], 0])

我将接受我自己的答案。如果有人有更好的答案，我很乐意把这个转到他们的身上