Calcula uma convolução 2-D dados os tensores de `entrada` e` filtro` 4-D.
Dado um tensor de entrada de forma `[batch, in_height, in_width, in_channels]` e um tensor de filtro / kernel de forma `[filter_height, filter_width, in_channels, out_channels]`, esta operação realiza o seguinte:
1. Nivela o filtro para uma matriz 2-D com forma `[filter_height * filter_width * in_channels, output_channels]`. 2. remendos imagem Extractos de tensor de entrada para formar um tensor virtual de forma `[lote, out_height, out_width, filter_height * filter_width * in_channels]`. 3. Para cada patch, multiplica à direita a matriz do filtro e o vetor de patch da imagem.
Em detalhes, com o formato NHWC padrão,
saída [b, i, j, k] = soma_ {di, dj, q} entrada [b, passos [1] * i + di, passos [2] * j + dj, q] * filtro [di, dj, q, k]
Deve ter `passos [0] = passos [3] = 1`. Para o caso mais comum das mesmas passadas horizontais e vértices, `strides = [1, stride, stride, 1]`.
Classes aninhadas
| classe | Conv2d.Options | Atributos opcionais para Conv2d | |
Constantes
| Fragmento | OP_NAME | O nome desta operação, conforme conhecido pelo motor principal TensorFlow |
Métodos Públicos
| Output <T> | asOutput () Retorna o identificador simbólico do tensor. |
| estática <T estende TNumber > Conv2d <T> | criar ( Scope escopo, Operando <T> entrada, Operando <T> filtro, List <longo> avanços, String preenchimento, Options ... Opções) Método de fábrica para criar uma classe envolvendo uma nova operação Conv2d. |
| estáticos Conv2d.Options | dataFormat (String dataFormat) |
| estáticos Conv2d.Options | dilatações (List <longo> dilatações) |
| estáticos Conv2d.Options | explicitPaddings (List <longo> explicitPaddings) |
| Output <T> | saída () Um tensor 4-D. |
| estáticos Conv2d.Options | useCudnnOnGpu (booleano useCudnnOnGpu) |
Métodos herdados
Constantes
nome_op final String public static
O nome desta operação, conforme conhecido pelo motor principal TensorFlow
Métodos Públicos
pública Output <T> asOutput ()
Retorna o identificador simbólico do tensor.
As entradas para as operações do TensorFlow são saídas de outra operação do TensorFlow. Este método é usado para obter um identificador simbólico que representa o cálculo da entrada.
public static Conv2d <T> create ( Scope escopo, Operando <T> entrada, Operando <T> filtro, List <longo> avanços, String preenchimento, Options ... Opções)
Método de fábrica para criar uma classe envolvendo uma nova operação Conv2d.
Parâmetros
| alcance | escopo atual |
|---|---|
| entrada | Um tensor 4-D. A ordem das dimensões é interpretada de acordo com o valor de `data_format`, veja abaixo para detalhes. |
| filtro | Um tensor 4-D de forma `[filter_height, filter_width, in_channels, out_channels]` |
| passos largos | Tensor 1-D de comprimento 4. A passada da janela deslizante para cada dimensão de `entrada`. A ordem das dimensões é determinada pelo valor de `data_format`, veja abaixo para detalhes. |
| preenchimento | O tipo de algoritmo de preenchimento a ser usado. |
| opções | carrega valores de atributos opcionais |
Devoluções
- uma nova instância de Conv2d
public static Conv2d.Options dataFormat (String dataFormat)
Parâmetros
| formato de dados | Especifique o formato dos dados de entrada e saída. Com o formato padrão "NHWC", os dados são armazenados na ordem de: [lote, altura, largura, canais]. Alternativamente, o formato pode ser "NCHW", a ordem de armazenamento de dados de: [lote, canais, altura, largura]. |
|---|
public static Conv2d.Options dilatações (List <longo> dilatações)
Parâmetros
| dilatações | Tensor 1-D de comprimento 4. O fator de dilatação para cada dimensão de `entrada`. Se definido como k> 1, haverá k-1 células ignoradas entre cada elemento de filtro nessa dimensão. A ordem das dimensões é determinada pelo valor de `data_format`, veja acima para detalhes. As dilatações nas dimensões do lote e da profundidade devem ser 1. |
|---|
public static Conv2d.Options explicitPaddings (List <longo> explicitPaddings)
Parâmetros
| explícitos Paddings | Se `padding` for` "EXPLICIT" `, a lista de valores de preenchimento explícito. Para a i-ésima dimensão, a quantidade de preenchimento inserido antes e depois da dimensão é `explicit_paddings [2 * i]` e `explicit_paddings [2 * i + 1]`, respectivamente. Se `padding` não for` "EXPLICIT" `,` explicit_paddings` deve estar vazio. |
|---|
pública Output <T> de saída ()
Um tensor 4-D. A ordem das dimensões é determinada pelo valor de `data_format`, veja abaixo para detalhes.