tensorflow::ops::Conv2DBackpropInput

#include <nn_ops.h>

คำนวณค่าเกรเดียนต์ของการคอนโวลูชันเทียบกับอินพุต

สรุป

ข้อโต้แย้ง:

  • ขอบเขต: วัตถุ ขอบเขต
  • input_sizes: เวกเตอร์จำนวนเต็มที่แสดงรูปร่างของ input โดยที่ input เป็นเทนเซอร์ 4 มิติ [batch, height, width, channels]
  • ตัวกรอง: 4 มิติ ที่มีรูปร่าง [filter_height, filter_width, in_channels, out_channels]
  • out_backprop: 4 มิติที่มีรูปร่าง [batch, out_height, out_width, out_channels] เกรเดียนต์เทียบกับเอาต์พุตของการแปลงคอนโวลูชัน
  • strides: ระยะก้าวของหน้าต่างเลื่อนสำหรับแต่ละมิติของอินพุตของการคอนโวลูชัน ต้องอยู่ในลำดับเดียวกับมิติที่ระบุไว้ในรูปแบบ
  • 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 โดยค่าเริ่มต้นจะใช้รูปแบบ "NHWC" ซึ่งข้อมูลจะถูกจัดเก็บในลำดับ: [batch, in_height, in_width, in_channels] หรืออาจใช้รูปแบบ "NCHW" ซึ่งลำดับการจัดเก็บข้อมูลจะเป็น: [batch, in_channels, in_height, in_width]
  • การขยาย: เทนเซอร์ 1 มิติ ความยาว 4 ปัจจัยการขยายสำหรับแต่ละมิติของ input หากตั้งค่าเป็น k > 1 จะมีการข้ามเซลล์ k-1 เซลล์ระหว่างแต่ละองค์ประกอบตัวกรองในมิตินั้น ลำดับของมิติจะถูกกำหนดโดยค่าของ data_format ดูรายละเอียดเพิ่มเติมด้านบน การขยายในมิติแบทช์และมิติความลึกต้องเป็น 1

การส่งคืนสินค้า:

  • Output : 4 มิติที่มีรูปร่าง [batch, in_height, in_width, in_channels] เกรเดียนต์เทียบกับอินพุตของการแปลงคอนโวลูชัน

ตัวสร้างและตัวทำลาย

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)

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

โครงสร้าง

tensorflow::ops::Conv2DBackpropInput::Attrs

ตัวเลือกในการตั้งค่าแอตทริบิวต์สำหรับ Conv2DBackpropInput

คุณลักษณะสาธารณะ

การดำเนินการ 

Operation operation

เอาต์พุต 

::tensorflow::Output output

หน้าที่สาธารณะ

อินพุต Conv2DBackprop 

 Conv2DBackpropInput(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input input_sizes,
  ::tensorflow::Input filter,
  ::tensorflow::Input out_backprop,
  const gtl::ArraySlice< int > & strides,
  StringPiece padding
)

อินพุต 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
)

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
)