tensorflow :: ops :: فیلتر Conv2DBackprop

شیب های چرخش را با توجه به فیلتر محاسبه می کند.

خلاصه

استدلال ها:

• دامنه: یک شی Sc Scope
• ورودی: 4-D با شکل [batch, in_height, in_width, in_channels] .
• filter_sizes: یک بردار عدد صحیح است که شکل تانسور filter ، جایی که filter یک [filter_height, filter_width, in_channels, out_channels] 4-D [filter_height, filter_width, in_channels, out_channels] .
• out_backprop: 4-D با شکل [batch, out_height, out_width, out_channels] . شیب ها از خروجی کانولوشن استفاده می کنند.
• strides: گام پنجره کشویی برای هر بعد از ورودی کانولوشن. باید به همان ترتیب مشخص شده با قالب باشد.
• padding: نوع الگوریتم padding برای استفاده.

ویژگی های اختیاری (به Attrs مراجعه کنید):

• explicit_paddings: اگر "EXPLICIT" padding "EXPLICIT" ، لیست مقادیر واضح و آشکار فهرست می شود. برای بعد ith ، مقدار بالشتک درج شده قبل و بعد از ابعاد به ترتیب explicit_paddings[2 * i] و explicit_paddings[2 * i + 1] است. اگر padding "EXPLICIT" ، "EXPLICIT" explicit_paddings باید خالی باشد.
• data_format: قالب داده داده های ورودی و خروجی را مشخص کنید. با قالب پیش فرض "NHWC" ، داده ها به ترتیب زیر ذخیره می شوند: [batch، in_height، in_width، in_change متناوباً ، قالب می تواند "NCHW" باشد ، ترتیب ذخیره داده از این قرار:
• اتساع: تانسور 1-D طول 4. ضریب اتساع برای هر بعد input . اگر روی k> 1 تنظیم شود ، بین هر عنصر فیلتر در آن بعد سلولهای k-1 وجود دارد. ترتیب ابعاد با مقدار data_format ، برای جزئیات به بالا مراجعه کنید. اتساع در ابعاد دسته و عمق باید 1 باشد.

بازده:

• Output : 4-D با شکل [filter_height, filter_width, in_channels, out_channels] . ورودی filter کانوشن را شیب می دهد.

صفات عمومی

Operation operation

::tensorflow::Output output

 Conv2DBackpropFilter(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input input,
  ::tensorflow::Input filter_sizes,
  ::tensorflow::Input out_backprop,
  const gtl::ArraySlice< int > & strides,
  StringPiece padding
)

 Conv2DBackpropFilter(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input input,
  ::tensorflow::Input filter_sizes,
  ::tensorflow::Input out_backprop,
  const gtl::ArraySlice< int > & strides,
  StringPiece padding,
  const Conv2DBackpropFilter::Attrs & attrs
)

::tensorflow::Node * node() const 

 operator::tensorflow::Input() const 

 operator::tensorflow::Output() const 

Attrs DataFormat(
  StringPiece x
)

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

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

Attrs UseCudnnOnGpu(
  bool x
)