Cette page a été traduite par l'API Cloud Translation.
Switch to English

tf.nn.separable_conv2d

Tensorflow 1 Version Voir la source sur GitHub

convolution 2-D avec des filtres séparables.

Effectue une convolution qui agit séparément la profondeur sur les canaux suivie d'une convolution pointwise que les canaux de mélanges. A noter que ceci est la séparabilité entre les dimensions [1, 2] et 3 , non séparabilité spatiale entre les dimensions 1 et 2 .

En détail, le format par défaut NHWC,

 output[b, i, j, k] = sum_{di, dj, q, r}
    input[b, strides[1] * i + di, strides[2] * j + dj, q] *
    depthwise_filter[di, dj, q, r] *
    pointwise_filter[0, 0, q * channel_multiplier + r, k]
 

strides contrôle les avancées pour la circonvolution que la profondeur, puisque la convolution a pointwise des progrès implicites [1, 1, 1, 1] . Doit avoir des strides[0] = strides[3] = 1 . Pour le cas le plus commun des mêmes avancées horizontales et verticales, des strides = [1, stride, stride, 1] . Si une valeur de rate est supérieur à 1, nous effectuons convolution Atrous la profondeur, auquel cas toutes les valeurs du strides tenseur doit être égal à 1.

input 4-D Tensor de forme selon la data_format .
depthwise_filter 4-D Tensor avec la forme [filter_height, filter_width, in_channels, channel_multiplier] . Contient in_channels filtres convolutif de profondeur 1.
pointwise_filter 4-D Tensor avec la forme [1, 1, channel_multiplier * in_channels, out_channels] . Filtre pour mélanger les canaux Pointwise après depthwise_filter a convoluée dans l' espace.
strides 1-D de taille 4. Les progrès de la convolution de la profondeur pour chaque dimension de l' input .
padding Commandes comment pad l'image avant d'appliquer la convolution de la profondeur. Peut - être la chaîne "SAME" ou "VALID" indiquant le type d'algorithme de remplissage à utiliser, ou une liste Python indiquant les rembourrages explicites au début et à la fin de chaque dimension. Quand une protection explicite est utilisé et data_format est "NHWC" , cela devrait être sous la forme [[0, 0], [pad_top, pad_bottom], [pad_left, pad_right], [0, 0]] . Quand une protection explicite utilisé et data_format est "NCHW" , cela devrait être sous la forme [[0, 0], [0, 0], [pad_top, pad_bottom], [pad_left, pad_right]] .
data_format Le format de données pour l'entrée. Soit "NHWC" (par défaut) ou "NCHW".
dilations 1-D de taille 2. Le taux de dilatation dans laquelle nous les valeurs d'entrée échantillon à travers la height et la width dimensions en convolution Atrous. Si elle est supérieure à 1, toutes les valeurs de progrès doivent être 1.
name Un nom pour cette opération (en option).

A 4-D Tensor de forme selon la 'data_format. Par exemple, avec data_format = "NHWC", la forme est [lot, out_height, out_width, out_channels].