tensorflow :: opérations :: Conv2DBackpropInput

#include <nn_ops.h>

Calcule les gradients de convolution par rapport à l'entrée.

Résumé

Arguments:

  • scope: un objet Scope
  • input_sizes: Un vecteur entier représentant la forme de l' input , où input est un tenseur 4-D [batch, height, width, channels] .
  • filtre: 4-D avec forme [filter_height, filter_width, in_channels, out_channels] .
  • out_backprop: 4-D avec forme [batch, out_height, out_width, out_channels] . Les gradients correspondent à la sortie de la convolution.
  • foulées: la foulée de la fenêtre glissante pour chaque dimension de l'entrée de la convolution. Doit être dans le même ordre que la dimension spécifiée avec le format.
  • padding: le type d'algorithme de remplissage à utiliser.

Attributs facultatifs (voir Attrs ):

  • explicit_paddings: Si le padding est "EXPLICIT" , la liste des montants de remplissage explicite. Pour la ième dimension, la quantité de remplissage insérée avant et après la dimension est respectivement explicit_paddings[2 * i] et explicit_paddings[2 * i + 1] . Si padding n'est pas "EXPLICIT" , explicit_paddings doit être vide.
  • data_format: spécifiez le format de données des données d'entrée et de sortie. Avec le format par défaut "NHWC", les données sont stockées dans l'ordre de: [batch, in_height, in_width, in_channels]. Alternativement, le format pourrait être "NCHW", l'ordre de stockage des données de: [batch, in_channels, in_height, in_width].
  • dilations: tenseur 1-D de longueur 4. Le facteur de dilatation pour chaque dimension d' input . Si la valeur est k> 1, il y aura k-1 cellules ignorées entre chaque élément de filtre sur cette dimension. L'ordre des dimensions est déterminé par la valeur de data_format , voir ci-dessus pour plus de détails. Les dilatations dans le lot et les dimensions de profondeur doivent être de 1.

Retour:

  • Output : 4-D avec forme [batch, in_height, in_width, in_channels] . Gradient par rapport à l'entrée de la convolution.

Constructeurs et destructeurs

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)

Attributs publics

operation
output

Fonctions publiques

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

Fonctions statiques publiques

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

Structs

tensorflow :: ops :: Conv2DBackpropInput :: Attrs

Définisseurs d' attributs facultatifs pour Conv2DBackpropInput .

Attributs publics

opération

Operation operation

production

::tensorflow::Output output

Fonctions publiques

Conv2DBackpropInput

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

Conv2DBackpropInput

 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
)

nœud

::tensorflow::Node * node() const 

operator :: tensorflow :: Input

 operator::tensorflow::Input() const 

operator :: tensorflow :: Output

 operator::tensorflow::Output() const 

Fonctions statiques publiques

DataFormat

Attrs DataFormat(
  StringPiece x
)

Les dilatations

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

ExplicitPaddings

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

UseCudnnOnGpu

Attrs UseCudnnOnGpu(
  bool x
)