공개 최종 수업 전환
(N+1+batch_dims)-D `input` 및 (N+2)-D `filter` 텐서를 사용하여 ND 컨볼루션을 계산합니다.
ND 컨볼루션을 계산하기 위한 일반 함수입니다. `1 <= N <= 3`이 필요합니다.
중첩 클래스
수업 | 전환 옵션 | Conv 에 대한 선택적 속성 |
공개 방법
출력 <T> | 출력 () 텐서의 기호 핸들을 반환합니다. |
정적 전환 옵션 | BatchDims (긴 BatchDims) |
static <T는 Number를 확장합니다> Conv <T> | |
정적 전환 옵션 | dataFormat (문자열 데이터 형식) |
정적 전환 옵션 | 확장 (List<Long> 확장) |
정적 전환 옵션 | licitPaddings (List<Long>explicitPaddings) |
정적 전환 옵션 | 그룹 (긴 그룹) |
출력 <T> | 출력 () A (N+1+batch_dims)-D 텐서. |
상속된 메서드
공개 방법
공개 출력 <T> asOutput ()
텐서의 기호 핸들을 반환합니다.
TensorFlow 작업에 대한 입력은 다른 TensorFlow 작업의 출력입니다. 이 메서드는 입력 계산을 나타내는 기호 핸들을 얻는 데 사용됩니다.
공개 정적 Conv.Options BatchDims (Long BatchDims)
매개변수
일괄 Dims | 입력 텐서의 배치 차원 수를 지정하는 양의 정수입니다. 입력 텐서의 순위보다 낮아야 합니다. |
---|
public static Conv <T> create ( 범위 범위, 피연산자 <T> 입력, 피연산자 <T> 필터, List<Long> 보폭, 문자열 패딩, 옵션... 옵션)
새로운 Conv 작업을 래핑하는 클래스를 생성하는 팩토리 메서드입니다.
매개변수
범위 | 현재 범위 |
---|---|
입력 | T 유형의 텐서이며 'channels_last_format = true'인 경우 'batch_shape + Spatial_shape + [in_channels]' 모양이고 'channels_last_format = false'인 경우 'batch_shape + [in_channels] + Spatial_shape' 모양입니다. Spatial_shape는 `N=2` 또는 `N=3`인 N차원입니다. 또한 'batch_shape'은 'batch_dims' 매개변수에 의해 결정되며 기본값은 1입니다. |
필터 | `input`과 동일한 유형 및 `spatial_filter_shape + [in_channels, out_channels]` 형태를 갖는 `(N+2)-D` 텐서. 여기서 Spatial_filter_shape는 `N=2` 또는 `N=3`인 N차원입니다. |
큰 걸음 | 길이 'N+2'의 1차원 텐서. '입력'의 각 차원에 대한 슬라이딩 윈도우의 보폭입니다. `strides[0] = strides[N+1] = 1`이 있어야 합니다. |
심 | 사용할 패딩 알고리즘 유형입니다. |
옵션 | 선택적 속성 값을 전달합니다. |
보고
- Conv의 새로운 인스턴스
공개 정적 Conv.Options dataFormat (String dataFormat)
매개변수
데이터형식 | 데이터 형식을 설정하는 데 사용됩니다. 기본적으로 'CHANNELS_FIRST'는 'NHWC(2D) / NDHWC(3D)'를 사용하고 'CHANNELS_LAST'인 경우 'NCHW(2D) / NCDHW(3D)'를 사용합니다. |
---|
공개 정적 Conv.Options 확장 (List<Long> 확장)
매개변수
확장 | 길이 'N+2'의 1차원 텐서. '입력'의 각 차원에 대한 확장 인자입니다. `k > 1`로 설정되면 해당 차원의 각 필터 요소 사이에 `k-1` 건너뛴 셀이 있습니다. 측정기준 순서는 'channels_last_format' 값에 따라 결정됩니다. 자세한 내용은 위를 참조하세요. 배치 차원과 깊이 차원의 팽창은 1이어야 합니다. |
---|
공개 정적 Conv.OptionsexplicitPaddings ( List<Long>explicitPaddings)
매개변수
명시적 패딩 | `padding`이 `"EXPLICIT"`인 경우 명시적인 패딩 양 목록입니다. i번째 차원의 경우 차원 앞과 뒤에 삽입되는 패딩의 양은 각각 `explicit_paddings[2 * i]`와 `explicit_paddings[2 * i + 1]`입니다. `padding`이 `"EXPLICIT"`이 아닌 경우 `explicit_paddings`는 비어 있어야 합니다. |
---|
공개 정적 Conv.Options 그룹 (긴 그룹)
매개변수
여러 떼 | 입력이 채널 축을 따라 분할되는 그룹 수를 지정하는 양의 정수입니다. 각 그룹은 '필터/그룹' 필터를 사용하여 별도로 컨볼루션됩니다. 출력은 채널 축을 따라 모든 그룹 결과를 연결한 것입니다. 입력 채널과 필터는 모두 그룹으로 나눌 수 있어야 합니다. |
---|
공개 출력 <T> 출력 ()
A (N+1+batch_dims)-D 텐서. 측정기준 순서는 `channels_last_format` 값에 따라 결정됩니다. 자세한 내용은 아래를 참조하세요.