جریان تنسور:: عملیات:: CropAndResizeGradImage
#include <image_ops.h>گرادیان crop_and_resize را در تانسور تصویر ورودی محاسبه می کند.
خلاصه
استدلال ها:
- scope: یک شی Scope
- درجه: یک تانسور 4 بعدی شکل
[num_boxes, crop_height, crop_width, depth]. - جعبه ها: یک تانسور دو بعدی شکل
[num_boxes, 4]. ردیفiامین تانسور مختصات یک کادر را در تصویرbox_ind[i]مشخص می کند و در مختصات نرمال شده[y1, x1, y2, x2]مشخص می شود. مقدار مختصات نرمال شدهyبه مختصات تصویر درy * (image_height - 1)نگاشت می شود، به طوری که فاصله[0, 1]ارتفاع تصویر نرمال شده به `[0، ارتفاع_تصویر - 1] در مختصات ارتفاع تصویر نگاشت می شود. ما به y1 > y2 اجازه می‌دهیم، در این صورت برش نمونه‌برداری شده نسخه‌ای از تصویر اصلی است که به سمت بالا به پایین برگردانده شده است. بعد عرض به طور مشابه رفتار می شود. مختصات عادی خارج از محدوده[0, 1]مجاز هستند، در این صورتextrapolation_valueبرای برون یابی مقادیر تصویر ورودی استفاده می کنیم. - box_ind: یک تانسور یک بعدی شکل
[num_boxes]با مقادیر int32 در[0, batch). مقدارbox_ind[i]تصویری را مشخص می‌کند که کادرiامین به آن اشاره دارد. - image_size: یک تانسور 1 بعدی با مقدار
[batch, image_height, image_width, depth]حاوی اندازه اصلی تصویر. همimage_heightو همimage_widthباید مثبت باشند.
ویژگی های اختیاری (به Attrs مراجعه کنید):
- روش: رشته ای که روش درون یابی را مشخص می کند. در حال حاضر فقط "دو خطی" پشتیبانی می شود.
برمی گرداند:
-
Output: یک تانسور 4 بعدی شکل[batch, image_height, image_width, depth].
سازندگان و تخریب کنندگان | |
|---|---|
CropAndResizeGradImage (const :: tensorflow::Scope & scope, :: tensorflow::Input grads, :: tensorflow::Input boxes, :: tensorflow::Input box_ind, :: tensorflow::Input image_size, DataType T) | |
CropAndResizeGradImage (const :: tensorflow::Scope & scope, :: tensorflow::Input grads, :: tensorflow::Input boxes, :: tensorflow::Input box_ind, :: tensorflow::Input image_size, DataType T, const CropAndResizeGradImage::Attrs & attrs) |
صفات عمومی | |
|---|---|
operation | |
output | |
توابع عمومی | |
|---|---|
node () const | ::tensorflow::Node * |
operator::tensorflow::Input () const | |
operator::tensorflow::Output () const | |
توابع استاتیک عمومی | |
|---|---|
Method (StringPiece x) | |
سازه ها | |
|---|---|
| tensorflow:: ops:: CropAndResizeGradImage:: Attrs | تنظیم کننده های ویژگی اختیاری برای CropAndResizeGradImage . |
صفات عمومی
عملیات
Operation operation
خروجی
::tensorflow::Output output
توابع عمومی
CropAndResizeGradImage
CropAndResizeGradImage( const ::tensorflow::Scope & scope, ::tensorflow::Input grads, ::tensorflow::Input boxes, ::tensorflow::Input box_ind, ::tensorflow::Input image_size, DataType T )
CropAndResizeGradImage
CropAndResizeGradImage( const ::tensorflow::Scope & scope, ::tensorflow::Input grads, ::tensorflow::Input boxes, ::tensorflow::Input box_ind, ::tensorflow::Input image_size, DataType T, const CropAndResizeGradImage::Attrs & attrs )
گره
::tensorflow::Node * node() const
عملگر::tensorflow::ورودی
operator::tensorflow::Input() const
عملگر::tensorflow::خروجی
operator::tensorflow::Output() const
توابع استاتیک عمومی
روش
Attrs Method( StringPiece x )
جز در مواردی که غیر از این ذکر شده باشد،محتوای این صفحه تحت مجوز Creative Commons Attribution 4.0 License است. نمونه کدها نیز دارای مجوز Apache 2.0 License است. برای اطلاع از جزئیات، به خطمشیهای سایت Google Developers مراجعه کنید. جاوا علامت تجاری ثبتشده Oracle و/یا شرکتهای وابسته به آن است.
تاریخ آخرین بهروزرسانی 2025-07-26 بهوقت ساعت هماهنگ جهانی.
[null,null,["تاریخ آخرین بهروزرسانی 2025-07-26 بهوقت ساعت هماهنگ جهانی."],[],[],null,["# tensorflow::ops::CropAndResizeGradImage Class Reference\n\ntensorflow::ops::CropAndResizeGradImage\n=======================================\n\n`#include \u003cimage_ops.h\u003e`\n\nComputes the gradient of the crop_and_resize op wrt the input image tensor.\n\nSummary\n-------\n\nArguments:\n\n- scope: A [Scope](/versions/r1.15/api_docs/cc/class/tensorflow/scope#classtensorflow_1_1_scope) object\n- grads: A 4-D tensor of shape `[num_boxes, crop_height, crop_width, depth]`.\n- boxes: A 2-D tensor of shape `[num_boxes, 4]`. The `i`-th row of the tensor specifies the coordinates of a box in the `box_ind[i]` image and is specified in normalized coordinates `[y1, x1, y2, x2]`. A normalized coordinate value of `y` is mapped to the image coordinate at `y * (image_height - 1)`, so as the `[0, 1]` interval of normalized image height is mapped to \\`\\[0, image_height - 1\\] in image height coordinates. We do allow y1 \\\u003e y2, in which case the sampled crop is an up-down flipped version of the original image. The width dimension is treated similarly. Normalized coordinates outside the `[0, 1]` range are allowed, in which case we use `extrapolation_value` to extrapolate the input image values.\n- box_ind: A 1-D tensor of shape `[num_boxes]` with int32 values in `[0, batch)`. The value of `box_ind[i]` specifies the image that the `i`-th box refers to.\n- image_size: A 1-D tensor with value `[batch, image_height, image_width, depth]` containing the original image size. Both `image_height` and `image_width` need to be positive.\n\n\u003cbr /\u003e\n\nOptional attributes (see [Attrs](/versions/r1.15/api_docs/cc/struct/tensorflow/ops/crop-and-resize-grad-image/attrs#structtensorflow_1_1ops_1_1_crop_and_resize_grad_image_1_1_attrs)):\n\n- method: A string specifying the interpolation method. Only 'bilinear' is supported for now.\n\n\u003cbr /\u003e\n\nReturns:\n\n- [Output](/versions/r1.15/api_docs/cc/class/tensorflow/output#classtensorflow_1_1_output): A 4-D tensor of shape `[batch, image_height, image_width, depth]`.\n\n\u003cbr /\u003e\n\n| ### Constructors and Destructors ||\n|---|---|\n| [CropAndResizeGradImage](#classtensorflow_1_1ops_1_1_crop_and_resize_grad_image_1a542871b76c83a2a8ae095c5ade81ab0e)`(const ::`[tensorflow::Scope](/versions/r1.15/api_docs/cc/class/tensorflow/scope#classtensorflow_1_1_scope)` & scope, ::`[tensorflow::Input](/versions/r1.15/api_docs/cc/class/tensorflow/input#classtensorflow_1_1_input)` grads, ::`[tensorflow::Input](/versions/r1.15/api_docs/cc/class/tensorflow/input#classtensorflow_1_1_input)` boxes, ::`[tensorflow::Input](/versions/r1.15/api_docs/cc/class/tensorflow/input#classtensorflow_1_1_input)` box_ind, ::`[tensorflow::Input](/versions/r1.15/api_docs/cc/class/tensorflow/input#classtensorflow_1_1_input)` image_size, DataType T)` ||\n| [CropAndResizeGradImage](#classtensorflow_1_1ops_1_1_crop_and_resize_grad_image_1a5314c519439a0018be03ae0599c320d3)`(const ::`[tensorflow::Scope](/versions/r1.15/api_docs/cc/class/tensorflow/scope#classtensorflow_1_1_scope)` & scope, ::`[tensorflow::Input](/versions/r1.15/api_docs/cc/class/tensorflow/input#classtensorflow_1_1_input)` grads, ::`[tensorflow::Input](/versions/r1.15/api_docs/cc/class/tensorflow/input#classtensorflow_1_1_input)` boxes, ::`[tensorflow::Input](/versions/r1.15/api_docs/cc/class/tensorflow/input#classtensorflow_1_1_input)` box_ind, ::`[tensorflow::Input](/versions/r1.15/api_docs/cc/class/tensorflow/input#classtensorflow_1_1_input)` image_size, DataType T, const `[CropAndResizeGradImage::Attrs](/versions/r1.15/api_docs/cc/struct/tensorflow/ops/crop-and-resize-grad-image/attrs#structtensorflow_1_1ops_1_1_crop_and_resize_grad_image_1_1_attrs)` & attrs)` ||\n\n| ### Public attributes ||\n|--------------------------------------------------------------------------------------------------------|----------------------------------------------------------------------------------------------------------|\n| [operation](#classtensorflow_1_1ops_1_1_crop_and_resize_grad_image_1ad757af122f700a9ab5acbd38629f83fb) | [Operation](/versions/r1.15/api_docs/cc/class/tensorflow/operation#classtensorflow_1_1_operation) |\n| [output](#classtensorflow_1_1ops_1_1_crop_and_resize_grad_image_1adc227b21eb0d9d4ca672f34f67b7943d) | `::`[tensorflow::Output](/versions/r1.15/api_docs/cc/class/tensorflow/output#classtensorflow_1_1_output) |\n\n| ### Public functions ||\n|--------------------------------------------------------------------------------------------------------------------------------------|------------------------|\n| [node](#classtensorflow_1_1ops_1_1_crop_and_resize_grad_image_1a614b37524e5b31e34837f59518d54830)`() const ` | `::tensorflow::Node *` |\n| [operator::tensorflow::Input](#classtensorflow_1_1ops_1_1_crop_and_resize_grad_image_1a561ea8804d44d30b5d50d84b6619a89c)`() const ` | ` ` ` ` |\n| [operator::tensorflow::Output](#classtensorflow_1_1ops_1_1_crop_and_resize_grad_image_1a189d45da47ace193a132f998417286d2)`() const ` | ` ` ` ` |\n\n| ### Public static functions ||\n|----------------------------------------------------------------------------------------------------------------------|--------------------------------------------------------------------------------------------------------------------------------------------------------------|\n| [Method](#classtensorflow_1_1ops_1_1_crop_and_resize_grad_image_1a10a7af8fef715e541d4c1c1472871fa5)`(StringPiece x)` | [Attrs](/versions/r1.15/api_docs/cc/struct/tensorflow/ops/crop-and-resize-grad-image/attrs#structtensorflow_1_1ops_1_1_crop_and_resize_grad_image_1_1_attrs) |\n\n| ### Structs ||\n|--------------------------------------------------------------------------------------------------------------------------------------|---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|\n| [tensorflow::ops::CropAndResizeGradImage::Attrs](/versions/r1.15/api_docs/cc/struct/tensorflow/ops/crop-and-resize-grad-image/attrs) | Optional attribute setters for [CropAndResizeGradImage](/versions/r1.15/api_docs/cc/class/tensorflow/ops/crop-and-resize-grad-image#classtensorflow_1_1ops_1_1_crop_and_resize_grad_image). |\n\nPublic attributes\n-----------------\n\n### operation\n\n```text\nOperation operation\n``` \n\n### output\n\n```text\n::tensorflow::Output output\n``` \n\nPublic functions\n----------------\n\n### CropAndResizeGradImage\n\n```gdscript\n CropAndResizeGradImage(\n const ::tensorflow::Scope & scope,\n ::tensorflow::Input grads,\n ::tensorflow::Input boxes,\n ::tensorflow::Input box_ind,\n ::tensorflow::Input image_size,\n DataType T\n)\n``` \n\n### CropAndResizeGradImage\n\n```gdscript\n CropAndResizeGradImage(\n const ::tensorflow::Scope & scope,\n ::tensorflow::Input grads,\n ::tensorflow::Input boxes,\n ::tensorflow::Input box_ind,\n ::tensorflow::Input image_size,\n DataType T,\n const CropAndResizeGradImage::Attrs & attrs\n)\n``` \n\n### node\n\n```gdscript\n::tensorflow::Node * node() const \n``` \n\n### operator::tensorflow::Input\n\n```gdscript\n operator::tensorflow::Input() const \n``` \n\n### operator::tensorflow::Output\n\n```gdscript\n operator::tensorflow::Output() const \n``` \n\nPublic static functions\n-----------------------\n\n### Method\n\n```text\nAttrs Method(\n StringPiece x\n)\n```"]]