tensorflow::ops::Conv2D::Attrs

#include <nn_ops.h>

ตัวเลือกการตั้งค่าแอตทริบิวต์สำหรับ Conv2D ( ไม่จำเป็น)

สรุป

คุณลักษณะสาธารณะ
data_format_ = "NHWC"	StringPiece
dilations_ = Default_dilations()	gtl::ArraySlice< int >
explicit_paddings_ = {}	gtl::ArraySlice< int >
use_cudnn_on_gpu_ = true	bool

หน้าที่สาธารณะ
DataFormat (StringPiece x)	TF_MUST_USE_RESULT Attrs ระบุรูปแบบข้อมูลของข้อมูลขาเข้าและข้อมูลขาออก
Dilations (const gtl::ArraySlice< int > & x)	TF_MUST_USE_RESULT Attrs เทนเซอร์ 1 มิติ ความยาว 4
ExplicitPaddings (const gtl::ArraySlice< int > & x)	TF_MUST_USE_RESULT Attrs หาก padding เป็น "EXPLICIT" รายการจำนวนเงินที่ใช้ในการเติมช่องว่างอย่างชัดเจนจะปรากฏขึ้น
UseCudnnOnGpu (bool x)	TF_MUST_USE_RESULT Attrs ค่าเริ่มต้นคือ true

คุณลักษณะสาธารณะ

รูปแบบข้อมูล_

StringPiece tensorflow::ops::Conv2D::Attrs::data_format_ = "NHWC"

การขยายตัว_

gtl::ArraySlice< int > tensorflow::ops::Conv2D::Attrs::dilations_ = Default_dilations()

ช่องว่างที่ชัดเจน

gtl::ArraySlice< int > tensorflow::ops::Conv2D::Attrs::explicit_paddings_ = {}

ใช้ cudnn บน GPU

bool tensorflow::ops::Conv2D::Attrs::use_cudnn_on_gpu_ = true

หน้าที่สาธารณะ

รูปแบบข้อมูล

TF_MUST_USE_RESULT Attrs tensorflow::ops::Conv2D::Attrs::DataFormat(
  StringPiece x
)

ระบุรูปแบบข้อมูลของข้อมูลขาเข้าและข้อมูลขาออก

โดยค่าเริ่มต้น รูปแบบ "NHWC" จะจัดเก็บข้อมูลตามลำดับดังนี้: [ชุดข้อมูล, ความสูง, ความกว้าง, ช่องสัญญาณ] หรืออาจใช้รูปแบบ "NCHW" ซึ่งลำดับการจัดเก็บข้อมูลจะเป็น: [ชุดข้อมูล, ช่องสัญญาณ, ความสูง, ความกว้าง]

ค่าเริ่มต้นคือ "NHWC"

การขยาย

TF_MUST_USE_RESULT Attrs tensorflow::ops::Conv2D::Attrs::Dilations(
  const gtl::ArraySlice< int > & x
)

เทนเซอร์ 1 มิติ ความยาว 4

ค่าตัวประกอบการขยายสำหรับแต่ละมิติของ input หากตั้งค่า k > 1 จะมีการข้ามเซลล์ k-1 เซลล์ระหว่างแต่ละองค์ประกอบตัวกรองในมิตินั้น ลำดับของมิติจะถูกกำหนดโดยค่าของ data_format ดูรายละเอียดเพิ่มเติมด้านบน การขยายในมิติแบทช์และมิติความลึกต้องเป็น 1

ค่าเริ่มต้นคือ [1, 1, 1, 1]

ExplicitPaddings

TF_MUST_USE_RESULT Attrs tensorflow::ops::Conv2D::Attrs::ExplicitPaddings(
  const gtl::ArraySlice< int > & x
)

หาก padding เป็น "EXPLICIT" รายการจำนวนเงินที่ใช้ในการเติมช่องว่างอย่างชัดเจนจะปรากฏขึ้น

สำหรับมิติที่ i ปริมาณการเว้นช่องว่างที่แทรกก่อนและหลังมิตินั้นคือ explicit_paddings[2 * i] และ explicit_paddings[2 * i + 1] ตามลำดับ หาก padding ไม่ใช่ "EXPLICIT" explicit_paddings จะต้องว่างเปล่า

ค่าเริ่มต้นคือ []

ใช้ Cudnn บน GPU

TF_MUST_USE_RESULT Attrs tensorflow::ops::Conv2D::Attrs::UseCudnnOnGpu(
  bool x
)

ค่าเริ่มต้นคือ true