จัดทุกอย่างให้เป็นระเบียบอยู่เสมอด้วยคอลเล็กชัน
บันทึกและจัดหมวดหมู่เนื้อหาตามค่ากำหนดของคุณ
เทนเซอร์โฟลว์:: ปฏิบัติการ:: Conv2D:: คุณสมบัติ
#include <nn_ops.h> ตัวตั้งค่าแอตทริบิวต์เพิ่มเติมสำหรับ Conv2D
สรุป
งานสาธารณะ |
|---|
DataFormat (StringPiece x) | ระบุรูปแบบข้อมูลของข้อมูลอินพุตและเอาต์พุต |
Dilations (const gtl::ArraySlice< int > & x) | เทนเซอร์ 1-D ความยาว 4 |
ExplicitPaddings (const gtl::ArraySlice< int > & x) | หาก padding เป็น "EXPLICIT" รายการของจำนวนช่องว่างภายในที่ชัดเจน |
UseCudnnOnGpu (bool x) | ค่าเริ่มต้นเป็นจริง |
คุณลักษณะสาธารณะ
StringPiece tensorflow::ops::Conv2D::Attrs::data_format_ = "NHWC"
การขยาย_
gtl::ArraySlice< int > tensorflow::ops::Conv2D::Attrs::dilations_ = Default_dilations()
ชัดเจน_paddings_
gtl::ArraySlice< int > tensorflow::ops::Conv2D::Attrs::explicit_paddings_ = {} use_cudnn_on_gpu_
bool tensorflow::ops::Conv2D::Attrs::use_cudnn_on_gpu_ = true
งานสาธารณะ
TF_MUST_USE_RESULT Attrs tensorflow::ops::Conv2D::Attrs::DataFormat(
StringPiece x
)
ระบุรูปแบบข้อมูลของข้อมูลอินพุตและเอาต์พุต
ด้วยรูปแบบเริ่มต้น "NHWC" ข้อมูลจะถูกจัดเก็บตามลำดับ: [แบทช์ ความสูง ความกว้าง ช่อง] หรืออีกทางหนึ่ง รูปแบบอาจเป็น "NCHW" ซึ่งเป็นลำดับการจัดเก็บข้อมูลเป็น: [แบทช์ ช่อง ความสูง ความกว้าง]
ค่าเริ่มต้นเป็น "NHWC"
การขยาย
TF_MUST_USE_RESULT Attrs tensorflow::ops::Conv2D::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::Conv2D::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::Conv2D::Attrs::UseCudnnOnGpu(
bool x
)
เนื้อหาของหน้าเว็บนี้ได้รับอนุญาตภายใต้ใบอนุญาตที่ต้องระบุที่มาของครีเอทีฟคอมมอนส์ 4.0 และตัวอย่างโค้ดได้รับอนุญาตภายใต้ใบอนุญาต Apache 2.0 เว้นแต่จะระบุไว้เป็นอย่างอื่น โปรดดูรายละเอียดที่นโยบายเว็บไซต์ Google Developers Java เป็นเครื่องหมายการค้าจดทะเบียนของ Oracle และ/หรือบริษัทในเครือ
อัปเดตล่าสุด 2025-07-25 UTC
[null,null,["อัปเดตล่าสุด 2025-07-25 UTC"],[],[],null,["# tensorflow::ops::Conv2D::Attrs Struct Reference\n\ntensorflow::ops::Conv2D::Attrs\n==============================\n\n`#include \u003cnn_ops.h\u003e`\n\nOptional attribute setters for [Conv2D](/versions/r1.15/api_docs/cc/class/tensorflow/ops/conv2-d#classtensorflow_1_1ops_1_1_conv2_d).\n\nSummary\n-------\n\n| ### Public attributes ||\n|-------------------------------------------------------------------------------------------------------------------------|--------------------------|\n| [data_format_](#structtensorflow_1_1ops_1_1_conv2_d_1_1_attrs_1a826b92a551e53c7d7e3f8990dbbdc328)` = \"NHWC\"` | `StringPiece` |\n| [dilations_](#structtensorflow_1_1ops_1_1_conv2_d_1_1_attrs_1a38cfe8f5a9fd31568b79caff3d5db53f)` = Default_dilations()` | `gtl::ArraySlice\u003c int \u003e` |\n| [explicit_paddings_](#structtensorflow_1_1ops_1_1_conv2_d_1_1_attrs_1af6a0a48d47098676589b0c23d6615b73)` = {}` | `gtl::ArraySlice\u003c int \u003e` |\n| [use_cudnn_on_gpu_](#structtensorflow_1_1ops_1_1_conv2_d_1_1_attrs_1ac0181cd1c99e758fff22f356f9c51f12)` = true` | `bool` |\n\n| ### Public functions ||\n|-------------------------------------------------------------------------------------------------------------------------------------------|-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|\n| [DataFormat](#structtensorflow_1_1ops_1_1_conv2_d_1_1_attrs_1abafbedb30c29ed091ff37895bd8b6c6a)`(StringPiece x)` | `TF_MUST_USE_RESULT `[Attrs](/versions/r1.15/api_docs/cc/struct/tensorflow/ops/conv2-d/attrs#structtensorflow_1_1ops_1_1_conv2_d_1_1_attrs) Specify the data format of the input and output data. |\n| [Dilations](#structtensorflow_1_1ops_1_1_conv2_d_1_1_attrs_1a16869b39ea0a373acb40566ed4235eb1)`(const gtl::ArraySlice\u003c int \u003e & x)` | `TF_MUST_USE_RESULT `[Attrs](/versions/r1.15/api_docs/cc/struct/tensorflow/ops/conv2-d/attrs#structtensorflow_1_1ops_1_1_conv2_d_1_1_attrs) 1-D tensor of length 4. |\n| [ExplicitPaddings](#structtensorflow_1_1ops_1_1_conv2_d_1_1_attrs_1a69865f8fd6ea1e16ccc3e4b794ed3b56)`(const gtl::ArraySlice\u003c int \u003e & x)` | `TF_MUST_USE_RESULT `[Attrs](/versions/r1.15/api_docs/cc/struct/tensorflow/ops/conv2-d/attrs#structtensorflow_1_1ops_1_1_conv2_d_1_1_attrs) If `padding` is `\"EXPLICIT\"`, the list of explicit padding amounts. |\n| [UseCudnnOnGpu](#structtensorflow_1_1ops_1_1_conv2_d_1_1_attrs_1a6fb079456a188df93e329f61671ff674)`(bool x)` | `TF_MUST_USE_RESULT `[Attrs](/versions/r1.15/api_docs/cc/struct/tensorflow/ops/conv2-d/attrs#structtensorflow_1_1ops_1_1_conv2_d_1_1_attrs) Defaults to true. |\n\nPublic attributes\n-----------------\n\n### data_format_\n\n```scdoc\nStringPiece tensorflow::ops::Conv2D::Attrs::data_format_ = \"NHWC\"\n``` \n\n### dilations_\n\n```scdoc\ngtl::ArraySlice\u003c int \u003e tensorflow::ops::Conv2D::Attrs::dilations_ = Default_dilations()\n``` \n\n### explicit_paddings_\n\n```scdoc\ngtl::ArraySlice\u003c int \u003e tensorflow::ops::Conv2D::Attrs::explicit_paddings_ = {}\n``` \n\n### use_cudnn_on_gpu_\n\n```scdoc\nbool tensorflow::ops::Conv2D::Attrs::use_cudnn_on_gpu_ = true\n``` \n\nPublic functions\n----------------\n\n### DataFormat\n\n```scdoc\nTF_MUST_USE_RESULT Attrs tensorflow::ops::Conv2D::Attrs::DataFormat(\n StringPiece x\n)\n``` \nSpecify the data format of the input and output data.\n\nWith the default format \"NHWC\", the data is stored in the order of: \\[batch, height, width, channels\\]. Alternatively, the format could be \"NCHW\", the data storage order of: \\[batch, channels, height, width\\].\n\nDefaults to \"NHWC\" \n\n### Dilations\n\n```gdscript\nTF_MUST_USE_RESULT Attrs tensorflow::ops::Conv2D::Attrs::Dilations(\n const gtl::ArraySlice\u003c int \u003e & x\n)\n``` \n1-D tensor of length 4.\n\nThe dilation factor for each dimension of `input`. If set to k \\\u003e 1, there will be k-1 skipped cells between each filter element on that dimension. The dimension order is determined by the value of `data_format`, see above for details. Dilations in the batch and depth dimensions must be 1.\n\nDefaults to \\[1, 1, 1, 1\\] \n\n### ExplicitPaddings\n\n```gdscript\nTF_MUST_USE_RESULT Attrs tensorflow::ops::Conv2D::Attrs::ExplicitPaddings(\n const gtl::ArraySlice\u003c int \u003e & x\n)\n``` \nIf `padding` is `\"EXPLICIT\"`, the list of explicit padding amounts.\n\nFor the ith dimension, the amount of padding inserted before and after the dimension is `explicit_paddings[2 * i]` and `explicit_paddings[2 * i + 1]`, respectively. If `padding` is not `\"EXPLICIT\"`, `explicit_paddings` must be empty.\n\nDefaults to \\[\\] \n\n### UseCudnnOnGpu\n\n```scdoc\nTF_MUST_USE_RESULT Attrs tensorflow::ops::Conv2D::Attrs::UseCudnnOnGpu(\n bool x\n)\n``` \nDefaults to true."]]
