flujo tensor:: operaciones:: Entrada Conv2DBackprop

#include <nn_ops.h>

Calcula los gradientes de convolución con respecto a la entrada.

Resumen

Argumentos:

  • alcance: un objeto de alcance
  • input_sizes: un vector entero que representa la forma de input , donde input es un tensor 4-D [batch, height, width, channels] .
  • filtro: 4-D con forma [filter_height, filter_width, in_channels, out_channels] .
  • out_backprop: 4-D con forma [batch, out_height, out_width, out_channels] . Los gradientes representan la salida de la convolución.
  • zancadas: La zancada de la ventana deslizante para cada dimensión de la entrada de la convolución. Debe estar en el mismo orden que la dimensión especificada con formato.
  • padding: el tipo de algoritmo de relleno que se utilizará.

Atributos opcionales (ver Attrs ):

  • explicit_paddings: si padding es "EXPLICIT" , la lista de cantidades de relleno explícito. Para la i-ésima dimensión, la cantidad de relleno insertado antes y después de la dimensión es explicit_paddings[2 * i] y explicit_paddings[2 * i + 1] , respectivamente. Si padding no es "EXPLICIT" , explicit_paddings debe estar vacío.
  • data_format: especifique el formato de datos de entrada y salida. Con el formato predeterminado "NHWC", los datos se almacenan en el orden de: [lote, en_alto, en_ancho, en_canales]. Alternativamente, el formato podría ser "NCHW", el orden de almacenamiento de datos de: [lote, en_canales, en_altura, en_ancho].
  • dilataciones: tensor 1-D de longitud 4. El factor de dilatación para cada dimensión de input . Si se establece en k > 1, se omitirán k-1 celdas entre cada elemento de filtro en esa dimensión. El orden de las dimensiones está determinado por el valor de data_format ; consulte más arriba para obtener más detalles. Las dilataciones en las dimensiones de lote y profundidad deben ser 1.

Devoluciones:

  • Output : 4-D con forma [batch, in_height, in_width, in_channels] . Degradado frente a la entrada de la convolución.

Constructores y destructores

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)

Atributos públicos

operation
output

Funciones públicas

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

Funciones estáticas públicas

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

estructuras

tensorflow:: operaciones:: Conv2DBackpropInput:: Atributos

Configuradores de atributos opcionales para Conv2DBackpropInput .

Atributos públicos

operación 

Operation operation

producción 

::tensorflow::Output output

Funciones públicas

Entrada Conv2DBackprop 

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

Entrada 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
)

nodo 

::tensorflow::Node * node() const

operador::tensorflow::Entrada 

 operator::tensorflow::Input() const

operador::tensorflow::Salida 

 operator::tensorflow::Output() const

Funciones estáticas públicas

formato de datos 

Attrs DataFormat(
  StringPiece x
)

dilataciones 

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

Rellenos explícitos 

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

UsarCudnnOnGpu 

Attrs UseCudnnOnGpu(
  bool x
)