Menghitung konvolusi 2-D dengan `input` dan `filter` 4-D.
Dengan adanya tensor masukan berbentuk `[batch, in_height, in_width, in_channels]` dan tensor filter/kernel berbentuk `[filter_height, filter_width, in_channels, out_channels]`, operasi ini akan melakukan hal berikut:
1. Ratakan filter menjadi matriks 2D dengan bentuk `[filter_height * filter_width * in_channels, output_channels]`. 2. Mengekstrak patch gambar dari tensor masukan untuk membentuk tensor virtual dengan bentuk `[batch, out_height, out_width, filter_height * filter_width * in_channels]`. 3. Untuk setiap patch, kalikan matriks filter dan vektor patch gambar dengan kanan.
Secara detail, dengan format default NHWC,
keluaran[b, i, j, k] = jumlah_{di, dj, q} masukan[b, langkah[1] * i + di, langkah[2] * j + dj, q] * filter[di, dj, q, k]
Harus memiliki `langkah[0] = langkah[3] = 1`. Untuk kasus paling umum dari langkah horizontal dan simpul yang sama, `langkah = [1, langkah, langkah, 1]`.
Kelas Bersarang
| kelas | Opsi Konv2d | Atribut opsional untuk Conv2d | |
Konstanta
| Rangkaian | OP_NAME | Nama operasi ini dikenal dengan mesin inti TensorFlow |
Metode Publik
| Keluaran <T> | sebagai Keluaran () Mengembalikan pegangan simbolis tensor. |
| statis <T memperluas TNomber > Konv2d <T> | |
| Opsi Konv2d.statis | format data (Format data string) |
| Opsi Konv2d.statis | dilatasi (Daftar<Panjang> dilatasi) |
| Opsi Konv2d.statis | eksplisitPaddings (Daftar<Panjang> eksplisitPaddings) |
| Keluaran <T> | keluaran () Tensor 4-D. |
| Opsi Konv2d.statis | useCudnnOnGpu (Boolean useCudnnOnGpu) |
Metode Warisan
Konstanta
String akhir statis publik OP_NAME
Nama operasi ini dikenal dengan mesin inti TensorFlow
Metode Publik
Keluaran publik <T> sebagai Keluaran ()
Mengembalikan pegangan simbolis tensor.
Masukan ke operasi TensorFlow adalah keluaran dari operasi TensorFlow lainnya. Metode ini digunakan untuk mendapatkan pegangan simbolis yang mewakili perhitungan input.
Konv2d statis publik <T> buat ( Lingkup cakupan , masukan Operan <T>, filter Operan <T>, langkah Daftar<Panjang>, Bantalan string, Opsi... opsi)
Metode pabrik untuk membuat kelas yang membungkus operasi Conv2d baru.
Parameter
| cakupan | ruang lingkup saat ini |
|---|---|
| memasukkan | Tensor 4-D. Urutan dimensi ditafsirkan berdasarkan nilai `data_format`, lihat detailnya di bawah. |
| Saring | Tensor 4-D dengan bentuk `[filter_height, filter_width, in_channels, out_channels]` |
| langkah | Tensor 1-D dengan panjang 4. Langkah jendela geser untuk setiap dimensi `input`. Urutan dimensi ditentukan oleh nilai `data_format`, lihat detailnya di bawah. |
| lapisan | Jenis algoritma padding yang akan digunakan. |
| pilihan | membawa nilai atribut opsional |
Kembali
- contoh baru dari Conv2d
Format data Conv2d.Options statis publik (String dataFormat)
Parameter
| format data | Tentukan format data data masukan dan keluaran. Dengan format default "NHWC", data disimpan dalam urutan: [batch, tinggi, lebar, saluran]. Alternatifnya, formatnya bisa berupa "NCHW", urutan penyimpanan data: [batch, saluran, tinggi, lebar]. |
|---|
dilatasi Conv2d.Options statis publik (Daftar<Panjang> dilatasi)
Parameter
| pelebaran | Tensor 1-D dengan panjang 4. Faktor dilatasi untuk setiap dimensi `input`. Jika diatur ke k > 1, akan ada k-1 sel yang dilewati di antara setiap elemen filter pada dimensi tersebut. Urutan dimensi ditentukan oleh nilai `data_format`, lihat di atas untuk detailnya. Pelebaran dalam dimensi batch dan kedalaman harus 1. |
|---|
Conv2d.Options eksplisitPaddings statis publik (Daftar<Panjang> eksplisitPaddings)
Parameter
| paddings eksplisit | Jika `padding` adalah `"EXPLICIT"`, daftar jumlah padding eksplisit. Untuk dimensi ke-i, jumlah padding yang disisipkan sebelum dan sesudah dimensi masing-masing adalah `explicit_paddings[2 * i]` dan `explicit_paddings[2 * i + 1]`. Jika `padding` bukan `"EXPLICIT"`, `explicit_paddings` harus kosong. |
|---|
Keluaran publik <T> keluaran ()
Tensor 4-D. Urutan dimensi ditentukan oleh nilai `data_format`, lihat detailnya di bawah.