tensorflow::ops::DepthwiseConv2dNative

#include <nn_ops.h>

คำนวณการคอนโวลูชันเชิงลึกแบบ 2 มิติ โดยใช้ input และเทนเซอร์ filter แบบ 4 มิติ

สรุป

เมื่อกำหนดเทนเซอร์อินพุตที่มีรูปร่าง [batch, in_height, in_width, in_channels] และเทนเซอร์ฟิลเตอร์/เคอร์เนลที่มีรูปร่าง [filter_height, filter_width, in_channels, channel_multiplier] ซึ่งประกอบด้วยฟิลเตอร์คอนโวลูชันจำนวน in_channels ที่มีความลึก 1 ฟังก์ชัน depthwise_conv2d จะใช้ฟิลเตอร์ที่แตกต่างกันกับแต่ละช่องสัญญาณอินพุต (ขยายจาก 1 ช่องสัญญาณเป็น channel_multiplier ช่องสัญญาณสำหรับแต่ละช่อง) จากนั้นจึงนำผลลัพธ์มาต่อกัน ดังนั้นเอาต์พุตจะมี in_channels * channel_multiplier ช่องสัญญาณ 

for k in 0..in_channels-1
  for q in 0..channel_multiplier-1
    output[b, i, j, k * channel_multiplier + q] =
      sum_{di, dj} input[b, strides[1] * i + di, strides[2] * j + dj, k] *
                        filter[di, dj, k, q]

ต้องมี strides[0] = strides[3] = 1 สำหรับกรณีทั่วไปที่ strides ในแนวนอนและจุดยอดเหมือนกัน strides = [1, stride, stride, 1]

ข้อโต้แย้ง:

  • ขอบเขต: วัตถุ ขอบเขต
  • ระยะก้าว: 1 มิติ ความยาว 4 ระยะก้าวของหน้าต่างเลื่อนสำหรับแต่ละมิติของ input
  • การเติมช่องว่าง: ประเภทของอัลกอริทึมการเติมช่องว่างที่จะใช้

คุณลักษณะเสริม (ดูที่ Attrs ):

  • data_format: ระบุรูปแบบข้อมูลของข้อมูลขาเข้าและขาออก โดยรูปแบบเริ่มต้นคือ "NHWC" ข้อมูลจะถูกจัดเก็บในลำดับ: [ชุดข้อมูล, ความสูง, ความกว้าง, ช่องสัญญาณ] หรืออาจใช้รูปแบบ "NCHW" ซึ่งลำดับการจัดเก็บข้อมูลจะเป็น: [ชุดข้อมูล, ช่องสัญญาณ, ความสูง, ความกว้าง]
  • การขยาย: เทนเซอร์ 1 มิติ ความยาว 4 ปัจจัยการขยายสำหรับแต่ละมิติของ input หากตั้งค่าเป็น k > 1 จะมีการข้ามเซลล์ k-1 เซลล์ระหว่างแต่ละองค์ประกอบตัวกรองในมิตินั้น ลำดับของมิติจะถูกกำหนดโดยค่าของ data_format ดูรายละเอียดเพิ่มเติมด้านบน การขยายในมิติแบทช์และมิติความลึกต้องเป็น 1

การส่งคืนสินค้า:

  • Output : เทนเซอร์เอาต์พุต

ตัวสร้างและตัวทำลาย

DepthwiseConv2dNative (const :: tensorflow::Scope & scope, :: tensorflow::Input input, :: tensorflow::Input filter, const gtl::ArraySlice< int > & strides, StringPiece padding)
DepthwiseConv2dNative (const :: tensorflow::Scope & scope, :: tensorflow::Input input, :: tensorflow::Input filter, const gtl::ArraySlice< int > & strides, StringPiece padding, const DepthwiseConv2dNative::Attrs & attrs)

คุณลักษณะสาธารณะ

operation
output

หน้าที่สาธารณะ

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

ฟังก์ชันคงที่สาธารณะ

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

โครงสร้าง

tensorflow::ops::DepthwiseConv2dNative::Attrs

ตัวเลือกการตั้งค่าแอตทริบิวต์สำหรับ DepthwiseConv2dNative

คุณลักษณะสาธารณะ

การดำเนินการ 

Operation operation

เอาต์พุต 

::tensorflow::Output output

หน้าที่สาธารณะ

DepthwiseConv2dNative 

 DepthwiseConv2dNative(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input input,
  ::tensorflow::Input filter,
  const gtl::ArraySlice< int > & strides,
  StringPiece padding
)

DepthwiseConv2dNative 

 DepthwiseConv2dNative(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input input,
  ::tensorflow::Input filter,
  const gtl::ArraySlice< int > & strides,
  StringPiece padding,
  const DepthwiseConv2dNative::Attrs & attrs
)

โหนด 

::tensorflow::Node * node() const

ตัวดำเนินการ::เทนเซอร์โฟลว์::อินพุต 

 operator::tensorflow::Input() const

ตัวดำเนินการ::เทนเซอร์โฟลว์::เอาต์พุต 

 operator::tensorflow::Output() const

ฟังก์ชันคงที่สาธารณะ

รูปแบบข้อมูล 

Attrs DataFormat(
  StringPiece x
)

การขยาย 

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