เทนเซอร์โฟลว์:: ปฏิบัติการ:: Conv2DBackpropInput:: คุณสมบัติ

#include <nn_ops.h>

ตัวตั้งค่าแอ็ตทริบิวต์ทางเลือกสำหรับ Conv2DBackpropInput

สรุป

คุณลักษณะสาธารณะ

data_format_ = "NHWC"
StringPiece
dilations_ = Default_dilations()
gtl::ArraySlice< int >
explicit_paddings_ = {}
gtl::ArraySlice< int >
use_cudnn_on_gpu_ = true
bool

งานสาธารณะ

DataFormat (StringPiece x)
TF_MUST_USE_RESULT Attrs
ระบุรูปแบบข้อมูลของข้อมูลอินพุตและเอาต์พุต
Dilations (const gtl::ArraySlice< int > & x)
TF_MUST_USE_RESULT Attrs
เทนเซอร์ 1-D ความยาว 4
ExplicitPaddings (const gtl::ArraySlice< int > & x)
TF_MUST_USE_RESULT Attrs
หาก padding เป็น "EXPLICIT" รายการของจำนวนช่องว่างภายในที่ชัดเจน
UseCudnnOnGpu (bool x)
TF_MUST_USE_RESULT Attrs
ค่าเริ่มต้นเป็นจริง

คุณลักษณะสาธารณะ

ข้อมูล_รูปแบบ_

StringPiece tensorflow::ops::Conv2DBackpropInput::Attrs::data_format_ = "NHWC"

การขยาย_

gtl::ArraySlice< int > tensorflow::ops::Conv2DBackpropInput::Attrs::dilations_ = Default_dilations()

ชัดเจน_paddings_

gtl::ArraySlice< int > tensorflow::ops::Conv2DBackpropInput::Attrs::explicit_paddings_ = {}

use_cudnn_on_gpu_

bool tensorflow::ops::Conv2DBackpropInput::Attrs::use_cudnn_on_gpu_ = true

งานสาธารณะ

รูปแบบข้อมูล

TF_MUST_USE_RESULT Attrs tensorflow::ops::Conv2DBackpropInput::Attrs::DataFormat(
  StringPiece x
)

ระบุรูปแบบข้อมูลของข้อมูลอินพุตและเอาต์พุต

ด้วยรูปแบบเริ่มต้น "NHWC" ข้อมูลจะถูกจัดเก็บตามลำดับ: [batch, in_height, in_width, in_channels] หรืออีกทางหนึ่ง รูปแบบอาจเป็น "NCHW" ซึ่งเป็นลำดับการจัดเก็บข้อมูลเป็น: [batch, in_channels, in_height, in_width]

ค่าเริ่มต้นเป็น "NHWC"

การขยาย

TF_MUST_USE_RESULT Attrs tensorflow::ops::Conv2DBackpropInput::Attrs::Dilations(
  const gtl::ArraySlice< int > & x
)

เทนเซอร์ 1-D ความยาว 4

ปัจจัยการขยายสำหรับแต่ละมิติของ input หากตั้งค่าเป็น k > 1 จะมีเซลล์ที่ข้าม k-1 ระหว่างองค์ประกอบตัวกรองแต่ละรายการในมิตินั้น ลำดับมิติถูกกำหนดโดยค่าของ data_format โปรดดูรายละเอียดด้านบน การขยายขนาดแบทช์และความลึกต้องเป็น 1

ค่าเริ่มต้นคือ [1, 1, 1, 1]

Paddings ที่ชัดเจน

TF_MUST_USE_RESULT Attrs tensorflow::ops::Conv2DBackpropInput::Attrs::ExplicitPaddings(
  const gtl::ArraySlice< int > & x
)

หาก padding เป็น "EXPLICIT" รายการของจำนวนช่องว่างภายในที่ชัดเจน

สำหรับมิติที่ 8 จำนวนช่องว่างภายในที่แทรกก่อนและหลังมิติคือ explicit_paddings[2 * i] และ explicit_paddings[2 * i + 1] ตามลำดับ หาก padding ไม่ใช่ "EXPLICIT" แสดงว่า explicit_paddings จะต้องเว้นว่างไว้

ค่าเริ่มต้นเป็น []

ใช้ CudnnOnGpu

TF_MUST_USE_RESULT Attrs tensorflow::ops::Conv2DBackpropInput::Attrs::UseCudnnOnGpu(
  bool x
)

ค่าเริ่มต้นเป็นจริง