Calcula uma convolução 2-D com base em tensores de `entrada` e `filtro` 4-D.
Dado um tensor de entrada de forma `[lote, in_height, in_width, in_channels]` e um tensor de filtro/kernel de forma `[filter_height, filter_width, in_channels, out_channels]`, esta operação executa o seguinte:
1. Achata o filtro em uma matriz 2-D com formato `[filter_height * filter_width * in_channels, output_channels]`. 2. Extrai patches de imagem do tensor de entrada para formar um tensor virtual de forma `[batch, out_height, out_width, filter_height * filter_width * in_channels]`. 3. Para cada patch, multiplique à direita a matriz do filtro e o vetor de patch da imagem.
Em detalhes, com o formato NHWC padrão,
saída[b, i, j, k] = soma_{di, dj, q} entrada[b, passadas[1] * i + di, passadas[2] * j + dj, q] * filtro[di, dj, q, k]
Deve ter `strides[0] = strides[3] = 1`. Para o caso mais comum das mesmas passadas horizontais e de vértices, `strides = [1, stride, stride, 1]`.
Classes aninhadas
| aula | Conv2d.Opções | Atributos opcionais para Conv2d | |
Constantes
| Corda | OP_NAME | O nome desta operação, conforme conhecido pelo mecanismo principal do TensorFlow |
Métodos Públicos
| Saída <T> | asOutput () Retorna o identificador simbólico do tensor. |
| estático <T estende TNumber > Conv2d <T> | create (escopo do escopo , entrada do operando <T>, filtro do operando <T>, passos da lista<longa>, preenchimento de string, opções... opções) Método de fábrica para criar uma classe que envolve uma nova operação Conv2d. |
| Conv2d.Options estático | dataFormat (String dataFormat) |
| Conv2d.Options estático | dilatações (List<Long> dilatações) |
| Conv2d.Options estático | explicitPaddings (Lista<Long> explicitPaddings) |
| Saída <T> | saída () Um tensor 4-D. |
| Conv2d.Options estático | useCudnnOnGpu (booleano useCudnnOnGpu) |
Métodos herdados
Constantes
String final estática pública OP_NAME
O nome desta operação, conforme conhecido pelo mecanismo principal do TensorFlow
Métodos Públicos
Saída pública <T> asOutput ()
Retorna o identificador simbólico do tensor.
As entradas para operações do TensorFlow são saídas de outra operação do TensorFlow. Este método é usado para obter um identificador simbólico que representa o cálculo da entrada.
public static Conv2d <T> create (escopo do escopo , entrada do operando <T>, filtro do operando <T>, passos de lista<longos>, preenchimento de string, opções... opções)
Método de fábrica para criar uma classe que envolve uma nova operação Conv2d.
Parâmetros
| escopo | escopo atual |
|---|---|
| entrada | Um tensor 4-D. A ordem das dimensões é interpretada de acordo com o valor de `data_format`, veja detalhes abaixo. |
| filtro | Um tensor 4-D de forma `[filter_height, filter_width, in_channels, out_channels]` |
| avanços | Tensor 1-D de comprimento 4. O avanço da janela deslizante para cada dimensão de `entrada`. A ordem das dimensões é determinada pelo valor de `data_format`, veja abaixo para detalhes. |
| preenchimento | O tipo de algoritmo de preenchimento a ser usado. |
| opções | carrega valores de atributos opcionais |
Devoluções
- uma nova instância de Conv2d
público estático Conv2d.Options dataFormat (String dataFormat)
Parâmetros
| formato de dados | Especifique o formato dos dados de entrada e saída. Com o formato padrão "NHWC", os dados são armazenados na ordem de: [lote, altura, largura, canais]. Alternativamente, o formato poderia ser "NCHW", a ordem de armazenamento de dados de: [lote, canais, altura, largura]. |
|---|
dilatações Conv2d.Options estáticas públicas (dilatações de List<Long>)
Parâmetros
| dilatações | Tensor 1-D de comprimento 4. O fator de dilatação para cada dimensão de `entrada`. Se definido como k > 1, haverá k-1 células ignoradas entre cada elemento de filtro nessa dimensão. A ordem das dimensões é determinada pelo valor de `data_format`, veja detalhes acima. As dilatações nas dimensões do lote e profundidade devem ser 1. |
|---|
public static Conv2d.Options explicitPaddings (List<Long> explicitPaddings)
Parâmetros
| explícitoPaddings | Se `padding` for `"EXPLICIT"`, a lista de valores de preenchimento explícitos. Para a i-ésima dimensão, a quantidade de preenchimento inserida antes e depois da dimensão é `explicit_paddings[2 * i]` e `explicit_paddings[2 * i + 1]`, respectivamente. Se `padding` não for `"EXPLICIT"`, `explicit_paddings` deve estar vazio. |
|---|
Saída pública <T> saída ()
Um tensor 4-D. A ordem das dimensões é determinada pelo valor de `data_format`, veja abaixo para detalhes.