tensorflow:: عملیات:: Conv2D

#include <nn_ops.h>

با توجه به input چهاربعدی و تانسورهای filter ، یک کانولوشن دوبعدی را محاسبه می‌کند.

خلاصه

با توجه به یک تانسور ورودی با شکل [batch, in_height, in_width, in_channels] و یک تانسور فیلتر/هسته با شکل [filter_height, filter_width, in_channels, out_channels] ، این عملیات موارد زیر را انجام می‌دهد:

1. فیلتر را به یک ماتریس دوبعدی با شکل [filter_height * filter_width * in_channels, output_channels] مسطح می‌کند.
2. تکه‌های تصویر را از تانسور ورودی استخراج می‌کند تا یک تانسور مجازی به شکل [batch, out_height, out_width, filter_height * filter_width * in_channels] تشکیل دهد.
3. برای هر پچ، ماتریس فیلتر و بردار پچ تصویر را در سمت راست ضرب می‌کند.

با 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 داشته باشیم strides[0] = strides[3] = 1 برای رایج‌ترین حالت که تعداد گام‌های افقی و رئوس یکسان است، strides = [1, stride, stride, 1] .

استدلال‌ها:

• دامنه: یک شیء دامنه
• ورودی: یک تانسور چهاربعدی. ترتیب ابعاد بر اساس مقدار data_format تفسیر می‌شود، برای جزئیات بیشتر به زیر مراجعه کنید.
• فیلتر: یک تانسور چهاربعدی به شکل [filter_height, filter_width, in_channels, out_channels]
• گام‌ها: تانسور یک بعدی با طول ۴. گام پنجره کشویی برای هر بُعد input . ترتیب بُعد با مقدار data_format تعیین می‌شود، برای جزئیات بیشتر به زیر مراجعه کنید.
• padding: نوع الگوریتم padding مورد استفاده.

ویژگی‌های اختیاری (به Attrs مراجعه کنید):

• explicit_paddings: اگر padding "EXPLICIT" باشد، لیست مقادیر صریح padding. برای بُعد iام، مقدار padding درج شده قبل و بعد از بُعد به ترتیب explicit_paddings[2 * i] و explicit_paddings[2 * i + 1] است. اگر padding برابر با "EXPLICIT" نباشد، explicit_paddings باید خالی باشد.
• data_format: قالب داده ورودی و خروجی را مشخص کنید. با قالب پیش‌فرض "NHWC"، داده‌ها به ترتیب زیر ذخیره می‌شوند: [batch, height, width, channels]. به طور جایگزین، قالب می‌تواند "NCHW" باشد، که ترتیب ذخیره‌سازی داده‌ها به صورت [batch, channels, height, width] است.
• اتساع‌ها: تانسور یک بعدی با طول ۴. ضریب اتساع برای هر بُعد input . اگر روی k > ۱ تنظیم شود، بین هر عنصر فیلتر در آن بُعد، k-1 سلول پرش‌شده وجود خواهد داشت. ترتیب بُعد با مقدار data_format تعیین می‌شود، برای جزئیات بیشتر به بالا مراجعه کنید. اتساع‌ها در بُعدهای دسته‌ای و عمقی باید ۱ باشند.

بازده:

• Output : یک تانسور چهاربعدی. ترتیب ابعاد با مقدار data_format تعیین می‌شود، برای جزئیات بیشتر به زیر مراجعه کنید.

سازنده‌ها و مخرب‌ها
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)

ویژگی‌های عمومی
operation	Operation
output	:: tensorflow::Output

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

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

ساختارها
tensorflow:: عملیات:: Conv2D:: جذابیت‌ها	تنظیم‌کننده‌های ویژگی اختیاری برای Conv2D .

ویژگی‌های عمومی

عملیات

Operation operation

خروجی

::tensorflow::Output output

کارکردهای عمومی

کانولوشن۲دی

 Conv2D(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input input,
  ::tensorflow::Input filter,
  const gtl::ArraySlice< int > & strides,
  StringPiece padding
)

کانولوشن۲دی

 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 

توابع استاتیک عمومی

قالب داده

Attrs DataFormat(
  StringPiece x
)

اتساعات

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

پدینگ‌های صریح

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

UseCudnnOnGpu

Attrs UseCudnnOnGpu(
  bool x
)