เทนเซอร์โฟลว์:: ออปส์:: คอนโวลูชัน2ดี

#include <nn_ops.h>

คำนวณคอนโวลูชัน 2 มิติ โดยใช้ input และเทนเซอร์ filter 4 มิติ

สรุป

เมื่อกำหนดเทนเซอร์อินพุตที่มีรูปร่าง [batch, in_height, in_width, in_channels] และเทนเซอร์ตัวกรอง/เคอร์เนลที่มีรูปร่าง [filter_height, filter_width, in_channels, out_channels] แล้ว การดำเนินการนี้จะทำสิ่งต่อไปนี้:

1. แปลงตัวกรองให้เป็นเมทริกซ์ 2 มิติที่มีรูปร่าง [filter_height * filter_width * in_channels, output_channels]
2. ดึงส่วนย่อยของภาพจากเทนเซอร์อินพุตเพื่อสร้างเทนเซอร์ เสมือน ที่มีรูปร่าง [batch, out_height, out_width, filter_height * filter_width * in_channels]
3. สำหรับแต่ละส่วนย่อย จะทำการคูณเมทริกซ์ตัวกรองกับเวกเตอร์ส่วนย่อยของภาพทางด้านขวา

โดยละเอียดแล้ว ในรูปแบบ NHWC มาตรฐาน มีดังนี้

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]

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

ข้อโต้แย้ง:

• ขอบเขต: วัตถุ ขอบเขต
• อินพุต: เทนเซอร์ 4 มิติ ลำดับมิติจะถูกตีความตามค่าของ data_format โปรดดูรายละเอียดด้านล่าง
• ตัวกรอง: เทนเซอร์ 4 มิติที่มีรูปร่าง [filter_height, filter_width, in_channels, out_channels]
• strides: เทนเซอร์ 1 มิติ ความยาว 4 ค่า stride ของหน้าต่างเลื่อนสำหรับแต่ละมิติของ input อินพุต ลำดับของมิติถูกกำหนดโดยค่าของ data_format ดูรายละเอียดเพิ่มเติมด้านล่าง
• การเติมช่องว่าง: ประเภทของอัลกอริทึมการเติมช่องว่างที่จะใช้

คุณลักษณะเสริม (ดูที่ Attrs ):

• explicit_paddings: หาก padding เป็น "EXPLICIT" รายการปริมาณ padding ที่ระบุอย่างชัดเจน สำหรับมิติที่ i ปริมาณ padding ที่แทรกก่อนและหลังมิตินั้นคือ explicit_paddings[2 * i] และ explicit_paddings[2 * i + 1] ตามลำดับ หาก padding ไม่ใช่ "EXPLICIT" explicit_paddings จะต้องว่างเปล่า
• 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 : เทนเซอร์ 4 มิติ ลำดับมิติถูกกำหนดโดยค่าของ data_format โปรดดูรายละเอียดด้านล่าง

ตัวสร้างและตัวทำลาย
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)

คุณลักษณะสาธารณะ
operation	Operation
output	:: tensorflow::Output

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

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

โครงสร้าง
tensorflow::ops::Conv2D::Attrs	ตัวเลือกการตั้งค่าแอตทริบิวต์สำหรับ Conv2D ( ไม่จำเป็น)

คุณลักษณะสาธารณะ

การดำเนินการ

Operation operation

เอาต์พุต

::tensorflow::Output output

หน้าที่สาธารณะ

คอนวีที2ดี

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

คอนวีที2ดี

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

ExplicitPaddings

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

ใช้ Cudnn บน GPU

Attrs UseCudnnOnGpu(
  bool x
)