tensorflow:: ops:: Conv2D

#include <nn_ops.h>

يحسب عملية الالتفاف ثنائية الأبعاد بالنظر إلى input رباعية الأبعاد وموترات filter .

ملخص

بالنظر إلى موتر إدخال ذي شكل [batch, in_height, in_width, in_channels] وموتر مرشح / نواة ذي شكل [filter_height, filter_width, in_channels, out_channels] ، فإن هذه العملية تقوم بما يلي:

1. يقوم بتسطيح المرشح إلى مصفوفة ثنائية الأبعاد ذات شكل [filter_height * filter_width * in_channels, output_channels] .
2. يستخرج أجزاء الصورة من موتر الإدخال لتشكيل موتر افتراضي بالشكل [batch, out_height, out_width, filter_height * filter_width * in_channels] .
3. لكل رقعة، يتم ضرب مصفوفة المرشح ومتجه رقعة الصورة من اليمين.

بالتفصيل، باستخدام تنسيق NHWC الافتراضي،

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]

يجب أن تكون قيمة strides[0] = strides[3] = 1 في الحالة الأكثر شيوعًا لتساوي الخطوات الأفقية وخطوات الرؤوس، strides = [1, stride, stride, 1] .

الحجج:

• النطاق: كائن النطاق
• المدخلات: موتر رباعي الأبعاد. يتم تفسير ترتيب الأبعاد وفقًا لقيمة data_format ، انظر أدناه لمزيد من التفاصيل.
• التصفية: موتر رباعي الأبعاد ذو شكل [filter_height, filter_width, in_channels, out_channels]
• الخطوات: موتر أحادي البعد بطول 4. خطوة النافذة المنزلقة لكل بُعد من أبعاد input . يتم تحديد ترتيب الأبعاد بواسطة قيمة data_format ، انظر أدناه لمزيد من التفاصيل.
• الحشو: نوع خوارزمية الحشو المراد استخدامها.

السمات الاختيارية (انظر Attrs ):

• explicit_paddings: إذا كانت padding هي "EXPLICIT" ، فستكون قائمةً بقيم الحشو الصريح. بالنسبة للبعد i، تكون قيمة الحشو المُدرجة قبل البعد وبعده هي explicit_paddings[2 * i] و explicit_paddings[2 * i + 1] على التوالي. إذا لم تكن padding هي "EXPLICIT" ، فيجب أن تكون explicit_paddings فارغة.
• data_format: حدد تنسيق بيانات الإدخال والإخراج. مع التنسيق الافتراضي "NHWC"، تُخزَّن البيانات بالترتيب التالي: [الدفعة، الارتفاع، العرض، القنوات]. بدلاً من ذلك، يمكن أن يكون التنسيق "NCHW"، ويكون ترتيب تخزين البيانات كالتالي: [الدفعة، القنوات، الارتفاع، العرض].
• التمددات: موتر أحادي البعد بطول 4. عامل التمدد لكل بُعد من أبعاد input . إذا تم ضبطه على k > 1، فسيتم تخطي k-1 خلية بين كل عنصر من عناصر التصفية في ذلك البُعد. يتم تحديد ترتيب الأبعاد بواسطة قيمة data_format ، انظر أعلاه لمزيد من التفاصيل. يجب أن تكون التمددات في بُعدي الدفعة والعمق 1.

المرتجعات:

• Output : موتر رباعي الأبعاد. يتم تحديد ترتيب الأبعاد بواسطة قيمة data_format ، انظر أدناه لمزيد من التفاصيل.

البناة والمدمرون
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)

السمات العامة
operation	Operation
output	:: tensorflow::Output

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

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

الهياكل
tensorflow:: ops:: Conv2D:: Attrs	مُعدِّلات السمات الاختيارية لـ Conv2D .

السمات العامة

عملية

Operation operation

المخرجات

::tensorflow::Output output

الوظائف العامة

Conv2D

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

Conv2D

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

العقدة

::tensorflow::Node * node() const 

operator::tensorflow::Input

 operator::tensorflow::Input() const 

operator::tensorflow::Output

 operator::tensorflow::Output() const 

الدوال الثابتة العامة

تنسيق البيانات

Attrs DataFormat(
  StringPiece x
)

توسعات

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

حشوات صريحة

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

استخدم CUDNN على وحدة معالجة الرسومات

Attrs UseCudnnOnGpu(
  bool x
)