جریان تنسور:: عملیات:: Conv2D
#include <nn_ops.h>
یک کانولوشن دو بعدی را با توجه به تانسورهای input
و filter
4 بعدی محاسبه می کند.
خلاصه
با توجه به یک تانسور ورودی شکل [batch, in_height, in_width, in_channels]
و یک فیلتر / تانسور هسته شکل [filter_height, filter_width, in_channels, out_channels]
، این عملیات موارد زیر را انجام میدهد:
- فیلتر را به یک ماتریس دوبعدی با شکل
[filter_height * filter_width * in_channels, output_channels]
مسطح می کند. - وصله های تصویر را از تانسور ورودی استخراج می کند تا یک تانسور مجازی شکل
[batch, out_height, out_width, filter_height * filter_width * in_channels]
ایجاد کند. - برای هر پچ، ماتریس فیلتر و بردار وصله تصویر را به صورت راست ضرب می کند.
در جزئیات، با فرمت پیشفرض NHWC،
output[b, i, j, k] =
sum_{di, dj, q} input[b, strides[1] * i + di, strides[2] * j + dj, q] *
filter[di, dj, q, k]
باید strides[0] = strides[3] = 1
. برای رایج ترین حالت گام های افقی و رئوس یکسان، strides = [1, stride, stride, 1]
.
استدلال ها:
- scope: یک شی Scope
- ورودی: یک تانسور 4 بعدی. ترتیب ابعاد با توجه به مقدار
data_format
تفسیر می شود، برای جزئیات به زیر مراجعه کنید. - فیلتر: یک تانسور 4 بعدی شکل
[filter_height, filter_width, in_channels, out_channels]
- گام ها: تانسور 1 بعدی به طول 4. گام پنجره کشویی برای هر بعد
input
. ترتیب ابعاد با مقدارdata_format
تعیین می شود، برای جزئیات به زیر مراجعه کنید. - 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 ترتیبexplicit_paddings[2 * i]
وexplicit_paddings[2 * i + 1]
است. اگرpadding
"EXPLICIT"
نیست،explicit_paddings
باید خالی باشد. - data_format: فرمت داده داده های ورودی و خروجی را مشخص کنید. با فرمت پیش فرض "NHWC"، داده ها به ترتیب زیر ذخیره می شوند: [دسته، ارتفاع، عرض، کانال]. از طرف دیگر، قالب می تواند "NCHW" باشد، ترتیب ذخیره سازی داده ها: [دسته، کانال، ارتفاع، 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 مقدارdata_format
تعیین می شود، برای جزئیات بیشتر به بالا مراجعه کنید. اتساع در ابعاد دسته ای و عمقی باید 1 باشد.
برمی گرداند:
-
Output
: یک تانسور 4 بعدی. ترتیب ابعاد با مقدارdata_format
تعیین می شود، برای جزئیات به زیر مراجعه کنید.
سازندگان و ویرانگرها | |
---|---|
Conv2D (const :: tensorflow::Scope & scope, :: tensorflow::Input input, :: tensorflow::Input filter, const gtl::ArraySlice< int > & strides, StringPiece padding) | |
Conv2D (const :: tensorflow::Scope & scope, :: tensorflow::Input input, :: tensorflow::Input filter, const gtl::ArraySlice< int > & strides, StringPiece padding, const Conv2D::Attrs & attrs) |
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:: Conv2D:: Attrs | تنظیم کننده های ویژگی اختیاری برای Conv2D . |
صفات عمومی
عملیات
Operation operation
خروجی
::tensorflow::Output output
توابع عمومی
Conv2D
Conv2D( const ::tensorflow::Scope & scope, ::tensorflow::Input input, ::tensorflow::Input filter, const gtl::ArraySlice< int > & strides, StringPiece padding )
Conv2D
Conv2D( const ::tensorflow::Scope & scope, ::tensorflow::Input input, ::tensorflow::Input filter, const gtl::ArraySlice< int > & strides, StringPiece padding, const Conv2D::Attrs & attrs )
گره
::tensorflow::Node * node() const
عملگر::tensorflow::ورودی
operator::tensorflow::Input() const
عملگر::tensorflow::خروجی
operator::tensorflow::Output() const