tensorflow:: عملیات:: ورودی Conv2DBackprop
#include <nn_ops.h>گرادیانهای کانولوشن را نسبت به ورودی محاسبه میکند.
خلاصه
استدلالها:
- دامنه: یک شیء دامنه
- input_sizes: یک بردار عدد صحیح که شکل
inputرا نشان میدهد، که در آنinputیک تانسور چهاربعدی[batch, height, width, channels]است. - فیلتر: چهاربعدی با شکل
[filter_height, filter_width, in_channels, out_channels]. - تابع out_backprop: چهاربعدی با شکل
[batch, out_height, out_width, out_channels]. گرادیانها در خروجی کانولوشن قرار دارند. - گامها: گام پنجره کشویی برای هر بُعد از ورودی کانولوشن. باید به همان ترتیب بُعد مشخص شده با فرمت باشد.
- 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 ترتیبexplicit_paddings[2 * i]وexplicit_paddings[2 * i + 1]است. اگرpaddingبرابر با"EXPLICIT"نباشد،explicit_paddingsباید خالی باشد. - قالب داده: قالب داده ورودی و خروجی را مشخص کنید. با قالب پیشفرض "NHWC"، دادهها به ترتیب زیر ذخیره میشوند: [batch, in_height, in_width, in_channels]. به طور جایگزین، قالب میتواند "NCHW" باشد، که ترتیب ذخیرهسازی دادهها به صورت زیر است: [batch, in_channels, in_height, in_width].
- 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 مقدارdata_formatتعیین میشود، برای جزئیات بیشتر به بالا مراجعه کنید. اتساعها در بُعدهای دستهای و عمقی باید ۱ باشند.
بازده:
-
Output: چهاربعدی با شکل[batch, in_height, in_width, in_channels]. گرادیان با ورودی کانولوشن متناسب است.
سازندهها و مخربها | |
|---|---|
Conv2DBackpropInput (const :: tensorflow::Scope & scope, :: tensorflow::Input input_sizes, :: tensorflow::Input filter, :: tensorflow::Input out_backprop, const gtl::ArraySlice< int > & strides, StringPiece padding) | |
Conv2DBackpropInput (const :: tensorflow::Scope & scope, :: tensorflow::Input input_sizes, :: tensorflow::Input filter, :: tensorflow::Input out_backprop, const gtl::ArraySlice< int > & strides, StringPiece padding, const Conv2DBackpropInput::Attrs & attrs) |
ویژگیهای عمومی | |
|---|---|
operation | |
output | |
کارکردهای عمومی | |
|---|---|
node () const | ::tensorflow::Node * |
operator::tensorflow::Input () const | |
operator::tensorflow::Output () const | |
توابع استاتیک عمومی | |
|---|---|
DataFormat (StringPiece x) | |
Dilations (const gtl::ArraySlice< int > & x) | |
ExplicitPaddings (const gtl::ArraySlice< int > & x) | |
UseCudnnOnGpu (bool x) | |
ساختارها | |
|---|---|
| tensorflow:: عملیات:: Conv2DBackpropInput:: Attrs | تنظیمکنندههای ویژگی اختیاری برای Conv2DBackpropInput . |
ویژگیهای عمومی
عملیات
Operation operation
خروجی
::tensorflow::Output output
کارکردهای عمومی
ورودی Conv2DBackprop
Conv2DBackpropInput( const ::tensorflow::Scope & scope, ::tensorflow::Input input_sizes, ::tensorflow::Input filter, ::tensorflow::Input out_backprop, const gtl::ArraySlice< int > & strides, StringPiece padding )
ورودی Conv2DBackprop
Conv2DBackpropInput( const ::tensorflow::Scope & scope, ::tensorflow::Input input_sizes, ::tensorflow::Input filter, ::tensorflow::Input out_backprop, const gtl::ArraySlice< int > & strides, StringPiece padding, const Conv2DBackpropInput::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 )
جز در مواردی که غیر از این ذکر شده باشد،محتوای این صفحه تحت مجوز Creative Commons Attribution 4.0 License است. نمونه کدها نیز دارای مجوز Apache 2.0 License است. برای اطلاع از جزئیات، به خطمشیهای سایت Google Developers مراجعه کنید. جاوا علامت تجاری ثبتشده Oracle و/یا شرکتهای وابسته به آن است.
تاریخ آخرین بهروزرسانی 2026-11-05 بهوقت ساعت هماهنگ جهانی.
[null,null,["تاریخ آخرین بهروزرسانی 2026-11-05 بهوقت ساعت هماهنگ جهانی."],[],[]]