جریان تنسور:: عملیات:: Conv2DBackpropInput

#include <nn_ops.h>

شیب کانولوشن را با توجه به ورودی محاسبه می کند.

خلاصه

استدلال ها:

  • scope: یک شی Scope
  • input_sizes: یک بردار عدد صحیح که شکل input را نشان می‌دهد، که در آن input یک تانسور 4 بعدی [batch, height, width, channels] است.
  • فیلتر: 4 بعدی با شکل [filter_height, filter_width, in_channels, out_channels] .
  • out_backprop: 4-D با شکل [batch, out_height, out_width, out_channels] . گرادیان ها خروجی کانولوشن را تشکیل می دهند.
  • strides: گام پنجره کشویی برای هر بعد از ورودی کانولوشن. باید به همان ترتیب ابعاد مشخص شده با قالب باشد.
  • padding: نوع الگوریتم padding مورد استفاده.

ویژگی های اختیاری (به Attrs مراجعه کنید):

  • explicit_paddings: اگر padding "EXPLICIT" باشد، فهرست مقادیر صریح padding. برای بعد ith، مقدار padding درج شده قبل و بعد از بعد به ترتیب explicit_paddings[2 * i] و explicit_paddings[2 * i + 1] است. اگر padding "EXPLICIT" نیست، explicit_paddings باید خالی باشد.
  • data_format: فرمت داده داده های ورودی و خروجی را مشخص کنید. با فرمت پیش‌فرض «NHWC»، داده‌ها به ترتیب زیر ذخیره می‌شوند: [batch, in_height, in_width, in_channels]. از طرف دیگر، قالب می‌تواند «NCHW» باشد، ترتیب ذخیره‌سازی داده‌ها: [دسته‌ای، در کانال‌ها، در ارتفاع، در عرض].
  • اتساع: تانسور 1 بعدی به طول 4. ضریب اتساع برای هر بعد input . اگر روی k> 1 تنظیم شود، بین هر عنصر فیلتر در آن بعد، سلول های k-1 پرش شده وجود خواهد داشت. ترتیب ابعاد با مقدار data_format تعیین می شود، برای جزئیات بیشتر به بالا مراجعه کنید. اتساع در ابعاد دسته ای و عمقی باید 1 باشد.

برمی‌گرداند:

  • Output : 4 بعدی با شکل [batch, in_height, in_width, in_channels] . گرادیان ورودی پیچیدگی را وارد می کند.

سازندگان و تخریب کنندگان

Conv2DBackpropInput (const :: tensorflow::Scope & scope, :: tensorflow::Input input_sizes, :: tensorflow::Input filter, :: tensorflow::Input out_backprop, const gtl::ArraySlice< int > & strides, StringPiece padding)
Conv2DBackpropInput (const :: tensorflow::Scope & scope, :: tensorflow::Input input_sizes, :: tensorflow::Input filter, :: tensorflow::Input out_backprop, const gtl::ArraySlice< int > & strides, StringPiece padding, const Conv2DBackpropInput::Attrs & attrs)

صفات عمومی

operation
output

توابع عمومی

node () const
::tensorflow::Node *
operator::tensorflow::Input () const
operator::tensorflow::Output () const

توابع استاتیک عمومی

DataFormat (StringPiece x)
Dilations (const gtl::ArraySlice< int > & x)
ExplicitPaddings (const gtl::ArraySlice< int > & x)
UseCudnnOnGpu (bool x)

سازه ها

tensorflow:: ops:: Conv2DBackpropInput:: Attrs

تنظیم کننده های ویژگی اختیاری برای Conv2DBackpropInput .

صفات عمومی

عمل

Operation operation

خروجی

::tensorflow::Output output

توابع عمومی

Conv2DBackpropInput

 Conv2DBackpropInput(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input input_sizes,
  ::tensorflow::Input filter,
  ::tensorflow::Input out_backprop,
  const gtl::ArraySlice< int > & strides,
  StringPiece padding
)

Conv2DBackpropInput

 Conv2DBackpropInput(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input input_sizes,
  ::tensorflow::Input filter,
  ::tensorflow::Input out_backprop,
  const gtl::ArraySlice< int > & strides,
  StringPiece padding,
  const Conv2DBackpropInput::Attrs & attrs
)

گره

::tensorflow::Node * node() const 

عملگر::tensorflow::ورودی

 operator::tensorflow::Input() const 

عملگر::tensorflow::خروجی

 operator::tensorflow::Output() const 

توابع استاتیک عمومی

DataFormat

Attrs DataFormat(
  StringPiece x
)

اتساع ها

Attrs Dilations(
  const gtl::ArraySlice< int > & x
)

Explicit Paddings

Attrs ExplicitPaddings(
  const gtl::ArraySlice< int > & x
)

ازCudnnOnGpu استفاده کنید

Attrs UseCudnnOnGpu(
  bool x
)