aliran tensor:: operasi:: Filter Conv2DBackprop

#include <nn_ops.h>

Menghitung gradien konvolusi sehubungan dengan filter.

Ringkasan

Argumen:

  • ruang lingkup: Objek Lingkup
  • masukan: 4-D dengan bentuk [batch, in_height, in_width, in_channels] .
  • filter_sizes: Vektor bilangan bulat yang mewakili bentuk tensor filter , dengan filter adalah tensor 4-D [filter_height, filter_width, in_channels, out_channels] .
  • out_backprop: 4-D dengan bentuk [batch, out_height, out_width, out_channels] . Gradien menentukan keluaran konvolusi.
  • langkah: Langkah jendela geser untuk setiap dimensi masukan konvolusi. Harus berada dalam urutan yang sama dengan dimensi yang ditentukan dengan format.
  • padding: Jenis algoritma padding yang akan digunakan.

Atribut opsional (lihat Attrs ):

  • eksplisit_paddings: Jika padding adalah "EXPLICIT" , daftar jumlah padding eksplisit. Untuk dimensi ke-i, jumlah padding yang disisipkan sebelum dan sesudah dimensi masing-masing adalah explicit_paddings[2 * i] dan explicit_paddings[2 * i + 1] . Jika padding bukan "EXPLICIT" , explicit_paddings harus kosong.
  • data_format: Menentukan format data input dan output data. Dengan format default "NHWC", data disimpan dalam urutan: [batch, in_height, in_width, in_channels]. Alternatifnya, formatnya bisa berupa "NCHW", urutan penyimpanan data: [batch, in_channels, in_height, in_width].
  • dilatasi: tensor 1-D dengan panjang 4. Faktor dilatasi untuk setiap dimensi input . Jika diatur ke k > 1, akan ada k-1 sel yang dilewati di antara setiap elemen filter pada dimensi tersebut. Urutan dimensi ditentukan oleh nilai data_format , lihat di atas untuk detailnya. Pelebaran dalam dimensi batch dan kedalaman harus 1.

Pengembalian:

  • Output : 4-D dengan bentuk [filter_height, filter_width, in_channels, out_channels] . Gradien menulis input filter konvolusi.

Konstruktor dan Destruktor

Conv2DBackpropFilter (const :: tensorflow::Scope & scope, :: tensorflow::Input input, :: tensorflow::Input filter_sizes, :: tensorflow::Input out_backprop, const gtl::ArraySlice< int > & strides, StringPiece padding)
Conv2DBackpropFilter (const :: tensorflow::Scope & scope, :: tensorflow::Input input, :: tensorflow::Input filter_sizes, :: tensorflow::Input out_backprop, const gtl::ArraySlice< int > & strides, StringPiece padding, const Conv2DBackpropFilter::Attrs & attrs)

Atribut publik

operation
output

Fungsi publik

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

Fungsi statis publik

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

Struktur

tensorflow:: ops:: Conv2DBackpropFilter:: Attrs

Penyetel atribut opsional untuk Conv2DBackpropFilter .

Atribut publik

operasi

Operation operation

keluaran

::tensorflow::Output output

Fungsi publik

Filter Conv2DBackprop

 Conv2DBackpropFilter(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input input,
  ::tensorflow::Input filter_sizes,
  ::tensorflow::Input out_backprop,
  const gtl::ArraySlice< int > & strides,
  StringPiece padding
)

Filter Conv2DBackprop

 Conv2DBackpropFilter(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input input,
  ::tensorflow::Input filter_sizes,
  ::tensorflow::Input out_backprop,
  const gtl::ArraySlice< int > & strides,
  StringPiece padding,
  const Conv2DBackpropFilter::Attrs & attrs
)

simpul

::tensorflow::Node * node() const 

operator::tensorflow::Masukan

 operator::tensorflow::Input() const 

operator::tensorflow::Keluaran

 operator::tensorflow::Output() const 

Fungsi statis publik

Format Data

Attrs DataFormat(
  StringPiece x
)

Pelebaran

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

Padding Eksplisit

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

Gunakan CudnnOnGpu

Attrs UseCudnnOnGpu(
  bool x
)