tensorflow :: ops :: Conv2DBackpropFilter

Calcola i gradienti di convoluzione rispetto al filtro.

Sommario

Argomenti:

• scope: un oggetto Scope
• input: 4-D con forma [batch, in_height, in_width, in_channels] .
• filter_sizes: un vettore intero che rappresenta la forma del tensore del filter , dove filter è un tensore 4-D [filter_height, filter_width, in_channels, out_channels] .
• out_backprop: 4-D con forma [batch, out_height, out_width, out_channels] . Gradienti rispetto all'output della convoluzione.
• falcate: l'andatura della finestra scorrevole per ogni dimensione dell'input della convoluzione. Deve essere nello stesso ordine della dimensione specificata con il formato.
• padding: il tipo di algoritmo di riempimento da utilizzare.

Attributi opzionali (vedi Attrs ):

• explicit_paddings: se il padding è "EXPLICIT" , l'elenco degli importi di riempimento espliciti. Per la i-esima dimensione, la quantità di riempimento inserita prima e dopo la dimensione è rispettivamente explicit_paddings[2 * i] e explicit_paddings[2 * i + 1] . Se il padding non è "EXPLICIT" , explicit_paddings deve essere vuoto.
• data_format: specifica il formato dei dati dei dati di input e output. Con il formato predefinito "NHWC", i dati vengono memorizzati nell'ordine di: [batch, in_height, in_width, in_channels]. In alternativa, il formato potrebbe essere "NCHW", l'ordine di memorizzazione dei dati di: [batch, in_channels, in_height, in_width].
• dilations: 1-D tensor of length 4. Il fattore di dilatazione per ogni dimensione di input . Se impostato su k> 1, ci saranno k-1 celle ignorate tra ciascun elemento del filtro su quella dimensione. L'ordine delle dimensioni è determinato dal valore di data_format , vedere sopra per i dettagli. Le dilatazioni nel lotto e le dimensioni della profondità devono essere 1.

Ritorna:

• Output : 4-D con forma [filter_height, filter_width, in_channels, out_channels] . Gradiente rispetto all'ingresso del filter della convoluzione.

Attributi pubblici

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
)