flux tensoriel : : opérations : : Conv2DBackpropInput

#include <nn_ops.h>

Calcule les gradients de convolution par rapport à l'entrée.

Résumé

Arguments:

  • scope : un objet Scope
  • input_sizes : un vecteur entier représentant la forme de input , où input est un tenseur 4D [batch, height, width, channels] .
  • filtre : 4-D avec forme [filter_height, filter_width, in_channels, out_channels] .
  • out_backprop : 4-D avec forme [batch, out_height, out_width, out_channels] . Dégradés par rapport à la sortie de la convolution.
  • foulées : La foulée de la fenêtre glissante pour chaque dimension de l'entrée de la convolution. Doit être dans le même ordre que la dimension spécifiée avec le format.
  • padding : Le type d’algorithme de remplissage à utiliser.

Attributs facultatifs (voir Attrs ) :

  • explicit_paddings : si padding est "EXPLICIT" , la liste des montants de remplissage explicites. Pour la ième dimension, la quantité de remplissage insérée avant et après la dimension est respectivement explicit_paddings[2 * i] et explicit_paddings[2 * i + 1] . Si padding n'est pas "EXPLICIT" , explicit_paddings doit être vide.
  • data_format : spécifiez le format de données des données d'entrée et de sortie. Avec le format par défaut « NHWC », les données sont stockées dans l'ordre suivant : [batch, in_height, in_width, in_channels]. Alternativement, le format pourrait être « NCHW », l'ordre de stockage des données étant : [batch, in_channels, in_height, in_width].
  • dilatations : tenseur 1-D de longueur 4. Le facteur de dilatation pour chaque dimension d' input . Si défini sur k > 1, il y aura k-1 cellules ignorées entre chaque élément de filtre sur cette dimension. L'ordre des dimensions est déterminé par la valeur de data_format , voir ci-dessus pour plus de détails. Les dilatations dans les dimensions du lot et de la profondeur doivent être de 1.

Retour:

  • Output : 4-D avec forme [batch, in_height, in_width, in_channels] . Dégradé par rapport à l'entrée de la convolution.

Constructeurs et Destructeurs

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)

Attributs publics

operation
output

Fonctions publiques

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

Fonctions statiques publiques

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

Structures

tensorflow :: ops :: Conv2DBackpropInput :: Attrs

Setters d'attributs facultatifs pour Conv2DBackpropInput .

Attributs publics

opération

Operation operation

sortir

::tensorflow::Output output

Fonctions publiques

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
)

nœud

::tensorflow::Node * node() const

opérateur :: tensorflow :: Entrée

 operator::tensorflow::Input() const

opérateur :: tensorflow :: Sortie

 operator::tensorflow::Output() const

Fonctions statiques publiques

Format de données

Attrs DataFormat(
  StringPiece x
)

Dilatations

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

Remplissages explicites

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

UtiliserCudnnOnGpu

Attrs UseCudnnOnGpu(
  bool x
)