przepływ tensorowy:: ops:: Wejście Conv2DBackprop

#include <nn_ops.h>

Oblicza gradienty splotu w odniesieniu do danych wejściowych.

Streszczenie

Argumenty:

  • zakres: Obiekt Scope
  • input_sizes: wektor liczb całkowitych reprezentujący kształt input , gdzie input to tensor 4-D [batch, height, width, channels] .
  • filtr: 4-D z kształtem [filter_height, filter_width, in_channels, out_channels] .
  • out_backprop: 4-D z kształtem [batch, out_height, out_width, out_channels] . Gradienty stanowią wynik splotu.
  • kroki: krok przesuwanego okna dla każdego wymiaru wejścia splotu. Musi być w tej samej kolejności, co wymiar określony w formacie.
  • dopełnienie: typ algorytmu dopełniania, który ma zostać użyty.

Opcjonalne atrybuty (patrz Attrs ):

  • express_paddings: Jeśli padding ma wartość "EXPLICIT" , lista jawnych ilości dopełnienia. W przypadku i-tego wymiaru ilość dopełnienia wstawionego przed i po wymiarze wynosi odpowiednio explicit_paddings[2 * i] i explicit_paddings[2 * i + 1] . Jeśli padding nie jest "EXPLICIT" , explicit_paddings musi być puste.
  • data_format: Określ format danych wejściowych i wyjściowych. Przy domyślnym formacie „NHWC” dane są przechowywane w kolejności: [partia, wysokość_in, szerokość_szerokość, liczba_kanałów]. Alternatywnie formatem może być „NCHW”, a kolejność przechowywania danych to: [partia, kanały_w, wysokość_w, szerokość_w.].
  • dylatacje: tensor 1-D długości 4. Współczynnik dylatacji dla każdego wymiaru input . Jeśli ustawione na k > 1, pomiędzy każdym elementem filtrującym w tym wymiarze zostanie pominiętych komórek k-1. Kolejność wymiarów jest określona przez wartość data_format , szczegóły znajdziesz powyżej. Dylatacje w wymiarach partii i głębokości muszą wynosić 1.

Zwroty:

  • Output : 4-D z kształtem [batch, in_height, in_width, in_channels] . Gradient zapisany na wejściu splotu.

Konstruktory i destruktory

Conv2DBackpropInput (const :: tensorflow::Scope & scope, :: tensorflow::Input input_sizes, :: tensorflow::Input filter, :: tensorflow::Input out_backprop, const gtl::ArraySlice< int > & strides, StringPiece padding)
Conv2DBackpropInput (const :: tensorflow::Scope & scope, :: tensorflow::Input input_sizes, :: tensorflow::Input filter, :: tensorflow::Input out_backprop, const gtl::ArraySlice< int > & strides, StringPiece padding, const Conv2DBackpropInput::Attrs & attrs)

Atrybuty publiczne

operation
output

Funkcje publiczne

node () const
::tensorflow::Node *
operator::tensorflow::Input () const
operator::tensorflow::Output () const

Publiczne funkcje statyczne

DataFormat (StringPiece x)
Dilations (const gtl::ArraySlice< int > & x)
ExplicitPaddings (const gtl::ArraySlice< int > & x)
UseCudnnOnGpu (bool x)

Struktury

tensorflow:: ops:: Conv2DBackpropInput:: Atrybuty

Opcjonalne moduły ustawiające atrybuty dla Conv2DBackpropInput .

Atrybuty publiczne

operacja

Operation operation

wyjście

::tensorflow::Output output

Funkcje publiczne

Wejście Conv2DBackprop

 Conv2DBackpropInput(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input input_sizes,
  ::tensorflow::Input filter,
  ::tensorflow::Input out_backprop,
  const gtl::ArraySlice< int > & strides,
  StringPiece padding
)

Wejście Conv2DBackprop

 Conv2DBackpropInput(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input input_sizes,
  ::tensorflow::Input filter,
  ::tensorflow::Input out_backprop,
  const gtl::ArraySlice< int > & strides,
  StringPiece padding,
  const Conv2DBackpropInput::Attrs & attrs
)

węzeł

::tensorflow::Node * node() const 

operator::tensorflow::Wejście

 operator::tensorflow::Input() const 

operator::tensorflow::Wyjście

 operator::tensorflow::Output() const 

Publiczne funkcje statyczne

Format danych

Attrs DataFormat(
  StringPiece x
)

Dylatacje

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

Wyraźne wyściółki

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

UżyjCudnnOnGpu

Attrs UseCudnnOnGpu(
  bool x
)