מחשב קונבולוציה דו-ממדית בהינתן טנסור 'קלט' ו-'פילטר' 4-D.
בהינתן טנסור קלט של צורה `[batch, in_height, in_width, in_channels]` וטנסור מסנן / ליבה של צורה `[filter_height, filter_width, in_channels, out_channels]`, האופציה הזו מבצעת את הפעולות הבאות:
1. משטח את המסנן למטריצה דו-ממדית עם הצורה `[filter_height * filter_width * in_channels, output_channels]`. 2. מחלץ תיקוני תמונה מהטנסור הקלט כדי ליצור טנזור וירטואלי של צורה `[אצווה, גובה_חוץ, רוחב_חוץ, גובה_פילטר * רוחב_פילטר * בתוך_ערוצים]`. 3. עבור כל תיקון, מכפיל ימני את מטריצת הסינון ואת וקטור תיקון התמונה.
בפירוט, עם פורמט ברירת המחדל של NHWC,
פלט[b, i, j, k] = sum_{di, dj, q} input[b, strides[1] * i + di, strides[2] * j + dj, q] * filter[di, dj, ש, ק]
חייב להיות 'צעדים[0] = צעדים[3] = 1'. במקרה הנפוץ ביותר של אותם צעדים אופקיים וקודקודים, `צעדים = [1, צעד, צעד, 1]`.
כיתות מקוננות
| מעמד | Conv2d.Options | תכונות אופציונליות עבור Conv2d | |
קבועים
| חוּט | OP_NAME | השם של המבצע הזה, כפי שידוע על ידי מנוע הליבה של TensorFlow |
שיטות ציבוריות
| פלט <T> | asOutput () מחזירה את הידית הסמלית של הטנזור. |
| סטטי <T מרחיב את TNummer > Conv2d <T> | צור ( היקף היקף , קלט Operand <T>, מסנן Operand <T>, רשימה<Long> צעדים, ריפוד מחרוזת, אפשרויות... אפשרויות) שיטת מפעל ליצירת מחלקה העוטפת פעולת Conv2d חדשה. |
| סטטי Conv2d.Options | dataFormat (String dataFormat) |
| סטטי Conv2d.Options | הרחבות (הרחבות רשימה<Long>) |
| סטטי Conv2d.Options | explicitPaddings (רשימה<Long> explicitPaddings) |
| פלט <T> | פלט () טנזור 4-D. |
| סטטי Conv2d.Options | useCudnnOnGpu (בוליאני useCudnnOnGpu) |
שיטות בירושה
קבועים
מחרוזת סופית סטטית ציבורית OP_NAME
השם של המבצע הזה, כפי שידוע על ידי מנוע הליבה של TensorFlow
שיטות ציבוריות
פלט ציבורי <T> asOutput ()
מחזירה את הידית הסמלית של הטנזור.
כניסות לפעולות TensorFlow הן יציאות של פעולת TensorFlow אחרת. שיטה זו משמשת להשגת ידית סמלית המייצגת את חישוב הקלט.
public static Conv2d <T> create ( היקף היקף , קלט Operand <T>, מסנן Operand <T>, רשימה <Long> צעדים, ריפוד מחרוזת, אפשרויות... אפשרויות)
שיטת מפעל ליצירת מחלקה העוטפת פעולת Conv2d חדשה.
פרמטרים
| תְחוּם | ההיקף הנוכחי |
|---|---|
| קֶלֶט | טנזור 4-D. סדר הממדים מתפרש לפי הערך של `data_format`, ראה למטה לפרטים. |
| לְסַנֵן | טנזור 4-D של צורה `[filter_height, filter_width, in_channels, out_channels]` |
| צעדים | טנסור 1-D באורך 4. הצעד של חלון ההזזה עבור כל מימד של `קלט`. סדר הממדים נקבע לפי הערך של `data_format`, ראה למטה לפרטים. |
| ריפוד | סוג אלגוריתם הריפוד לשימוש. |
| אפשרויות | נושא ערכי תכונות אופציונליות |
החזרות
- מופע חדש של Conv2d
public static Conv2d.Options dataFormat (String dataFormat)
פרמטרים
| פורמט נתונים | ציין את פורמט הנתונים של נתוני הקלט והפלט. עם פורמט ברירת המחדל "NHWC", הנתונים מאוחסנים בסדר של: [אצווה, גובה, רוחב, ערוצים]. לחלופין, הפורמט יכול להיות "NCHW", סדר אחסון הנתונים של: [אצווה, ערוצים, גובה, רוחב]. |
|---|
הרחבות Conv2d.Options סטטיות ציבוריות (הרחבות רשימה<Long>)
פרמטרים
| הרחבות | טנסור 1-D באורך 4. מקדם ההתרחבות עבור כל מימד של `קלט`. אם הוגדר כ-k > 1, יהיו תאים שדילגו על k-1 בין כל רכיב מסנן בממד זה. סדר הממדים נקבע לפי הערך של `data_format`, ראה למעלה לפרטים. הרחבות במידות האצווה והעומק חייבות להיות 1. |
|---|
public static Conv2d.Options explicitPaddings (רשימה<Long> explicitPaddings)
פרמטרים
| ריפודים מפורשים | אם `ריפוד` הוא `"מפורש"`, רשימת סכומי הריפוד המפורשים. עבור הממד ה-ith, כמות הריפוד שהוכנסה לפני ואחרי הממד היא `רפידות_מפורש[2 *i]` ו-`רפידות_מפורש[2 *i + 1]`, בהתאמה. אם `padding` אינו `"EXPLICIT"`, `explicit_paddings` חייב להיות ריק. |
|---|