Menghitung gradien fungsi pengumpulan rata-rata.
Kelas Bersarang
| kelas | Rata-rataPool3dGrad.Opsi | Atribut opsional untuk AvgPool3dGrad | |
Konstanta
| Rangkaian | OP_NAME | Nama operasi ini dikenal dengan mesin inti TensorFlow |
Metode Publik
| Keluaran <T> | sebagai Keluaran () Mengembalikan pegangan simbolis tensor. |
| statis <T memperluas TNumber > AvgPool3dGrad <T> | |
| AvgPool3dGrad.Options statis | format data (Format data string) |
| Keluaran <T> | keluaran () Backprop untuk input. |
Metode Warisan
Konstanta
String akhir statis publik OP_NAME
Nama operasi ini dikenal dengan mesin inti TensorFlow
Metode Publik
Keluaran publik <T> sebagai Keluaran ()
Mengembalikan pegangan simbolis tensor.
Masukan ke operasi TensorFlow adalah keluaran dari operasi TensorFlow lainnya. Metode ini digunakan untuk mendapatkan pegangan simbolis yang mewakili perhitungan input.
public static AvgPool3dGrad <T> buat ( Lingkup cakupan, Operan < TInt32 > origInputShape, Operan <T> grad, Daftar<Panjang> ksize, Daftar<Panjang> langkah, Bantalan string, Opsi... opsi)
Metode pabrik untuk membuat kelas yang membungkus operasi AvgPool3dGrad baru.
Parameter
| cakupan | ruang lingkup saat ini |
|---|---|
| BentukInput asli | Dimensi masukan asli. |
| lulusan | Backprop keluaran berbentuk `[batch, kedalaman, baris, kolom, saluran]`. |
| ukuran | Tensor 1-D dengan panjang 5. Ukuran jendela untuk setiap dimensi tensor masukan. Harus memiliki `ksize[0] = ksize[4] = 1`. |
| langkah | Tensor 1-D dengan panjang 5. Langkah jendela geser untuk setiap dimensi `input`. Harus memiliki `langkah[0] = langkah[4] = 1`. |
| lapisan | Jenis algoritma padding yang akan digunakan. |
| pilihan | membawa nilai atribut opsional |
Kembali
- contoh baru AvgPool3dGrad
AvgPool3dGrad.Options dataFormat statis publik (String dataFormat)
Parameter
| format data | Format data data masukan dan keluaran. Dengan format default "NDHWC", data disimpan dalam urutan: [batch, in_ depth, in_height, in_width, in_channels]. Alternatifnya, formatnya bisa "NCDHW", urutan penyimpanan datanya adalah: [batch, in_channels, in_ depth, in_height, in_width]. |
|---|