Conv

lớp học cuối cùng công khai

Tính toán tích chập ND đã cho (N+1+batch_dims)-D `input` và (N+2)-D `filter` tensor.

Hàm chung để tính tích chập ND. Yêu cầu là `1 <= N <= 3`.

Các lớp lồng nhau

lớp học Tùy chọn chuyển đổi Thuộc tính tùy chọn cho Conv

Phương pháp công khai

Đầu ra <T>
asOutput ()
Trả về phần điều khiển tượng trưng của một tenxơ.
Tùy chọn chuyển đổi tĩnh
batchDims (Đợt dài)
tĩnh <T mở rộng Số> Chuyển đổi <T>
tạo (Phạm vi phạm vi , đầu vào Toán hạng <T>, Bộ lọc toán hạng <T>, Danh sách <Dài> bước, Đệm chuỗi, Tùy chọn... tùy chọn)
Phương thức xuất xưởng để tạo một lớp bao bọc một hoạt động Chuyển đổi mới.
Tùy chọn chuyển đổi tĩnh
dataFormat (Định dạng dữ liệu chuỗi)
Tùy chọn chuyển đổi tĩnh
độ giãn nở (Danh sách độ giãn <Long>)
Tùy chọn chuyển đổi tĩnh
Paddings rõ ràng (Danh sách<Long> Paddings rõ ràng)
Tùy chọn chuyển đổi tĩnh
nhóm (nhóm dài)
Đầu ra <T>
đầu ra ()
Tenxơ A (N+1+batch_dims)-D.

Phương pháp kế thừa

Phương pháp công khai

Đầu ra công khai <T> asOutput ()

Trả về phần điều khiển tượng trưng của một tenxơ.

Đầu vào của các hoạt động TensorFlow là đầu ra của một hoạt động TensorFlow khác. Phương pháp này được sử dụng để thu được một thẻ điều khiển mang tính biểu tượng đại diện cho việc tính toán đầu vào.

public static Conv.Options batchDims (LoạtDims dài)

Thông số
lôDims Một số nguyên dương xác định số thứ nguyên lô cho tensor đầu vào. Phải nhỏ hơn cấp của tensor đầu vào.

công khai chuyển đổi tĩnh <T> tạo ( Phạm vi phạm vi , đầu vào Toán hạng <T>, bộ lọc Toán hạng <T>, Danh sách <Dài> bước, Đệm chuỗi, Tùy chọn... tùy chọn)

Phương thức xuất xưởng để tạo một lớp bao bọc một hoạt động Chuyển đổi mới.

Thông số
phạm vi phạm vi hiện tại
đầu vào Tenor loại T và hình dạng `batch_shape + không gian_shape + [in_channels]` trong trường hợp `channels_last_format = true` hoặc hình dạng `batch_shape + [in_channels] + không gian_shape` nếu `channels_last_format = false`. không gian_shape có N chiều với `N=2` hoặc `N=3`. Cũng lưu ý rằng `batch_shape` được quyết định bởi tham số `batch_dims` và mặc định là 1.
lọc Một Tensor `(N+2)-D` có cùng loại với `input` và hình dạng `spatial_filter_shape + [in_channels, out_channels]`, trong đó không gian_filter_shape có kích thước N với `N=2` hoặc `N=3`.
bước tiến Tenxơ 1-D có chiều dài `N+2`. Bước tiến của cửa sổ trượt cho từng chiều của `đầu vào`. Phải có `sải bước[0] = bước tiến[N+1] = 1`.
phần đệm Loại thuật toán đệm sẽ sử dụng.
tùy chọn mang các giá trị thuộc tính tùy chọn
Trả lại
  • một phiên bản mới của Chuyển đổi

public static Conv.Options dataFormat (String dataFormat)

Thông số
định dạng dữ liệu Dùng để thiết lập định dạng dữ liệu. Theo mặc định `CHANNELS_FIRST`, sử dụng `NHWC (2D) / NDHWC (3D)` hoặc nếu `CHANNELS_LAST`, sử dụng `NCHW (2D) / NCDHW (3D)`.

giãn nở Conv.Options tĩnh công khai (danh sách giãn nở <Long>)

Thông số
sự giãn nở Tenxơ 1-D có chiều dài `N+2`. Hệ số giãn nở cho từng chiều của `đầu vào`. Nếu được đặt thành `k > 1`, sẽ có các ô `k-1` bị bỏ qua giữa mỗi phần tử bộ lọc trên thứ nguyên đó. Thứ tự thứ nguyên được xác định bởi giá trị của `channels_last_format`, xem bên trên để biết chi tiết. Độ giãn nở của kích thước lô và độ sâu phải bằng 1.

public static Conv.Options Rõ ràngPaddings (Danh sách<Dài> Paddings rõ ràng)

Thông số
rõ ràngPaddings Nếu `đệm` là `"RÕ RÀNG"`, danh sách số lượng đệm rõ ràng. Đối với thứ nguyên thứ i, lượng khoảng đệm được chèn trước và sau thứ nguyên lần lượt là `explicit_paddings[2 * i]` và `explicit_paddings[2 * i + 1]`. Nếu `padding` không phải là `"EXPLICIT"`, thì `explicit_paddings` phải trống.

Nhóm tùy chọn chuyển đổi tĩnh công khai (Nhóm dài)

Thông số
các nhóm Một số nguyên dương xác định số lượng nhóm trong đó đầu vào được phân chia dọc theo trục kênh. Mỗi nhóm được tích hợp riêng biệt với các bộ lọc `bộ lọc / nhóm`. Đầu ra là sự kết hợp của tất cả các kết quả nhóm dọc theo trục kênh. Các kênh đầu vào và bộ lọc đều phải được chia thành các nhóm.

Đầu ra công khai đầu ra <T> ()

Tenxơ A (N+1+batch_dims)-D. Thứ tự thứ nguyên được xác định bởi giá trị của `channels_last_format`, xem bên dưới để biết chi tiết.