tensorflow :: ops :: Conv2DBackpropInput

Oblicza gradienty splotu w odniesieniu do danych wejściowych.

streszczenie

Argumenty:

• zakres: obiekt Scope
• input_sizes: wektor będący liczbą całkowitą reprezentujący kształt input , gdzie input jest tensorem 4-D [batch, height, width, channels] .
• filtr: 4-D z kształtem [filter_height, filter_width, in_channels, out_channels] .
• out_backprop: 4-D with shape [batch, out_height, out_width, out_channels] . Gradienty na wyjściu splotu.
• kroki: krok przesuwanego okna dla każdego wymiaru wejścia splotu. Musi być w tej samej kolejności co wymiar określony w formacie.
• padding: typ algorytmu dopełniania, który ma być używany.

Atrybuty opcjonalne (patrz Attrs ):

• explicite_paddings: jeśli padding to "EXPLICIT" , lista jawnych kwot dopełnienia. Dla i-tego wymiaru ilość wypełnienia wstawionego przed i za wymiarem wynosi odpowiednio: explicit_paddings[2 * i] i explicit_paddings[2 * i + 1] . Jeśli padding nie jest "EXPLICIT" , "EXPLICIT" explicit_paddings muszą być puste.
• data_format: Określ format danych wejściowych i wyjściowych. W domyślnym formacie „NHWC” dane są przechowywane w kolejności: [batch, in_height, in_width, in_channels]. Alternatywnie, format mógłby być „NCHW”, kolejność przechowywania danych: [batch, in_channels, in_height, in_width].
• dylatacje: 1-D tensor długości 4. Współczynnik dylatacji dla każdego wymiaru input . Jeśli ustawiono na k> 1, między każdym elementem filtrującym w tym wymiarze będzie k-1 pominiętych komórek. Kolejność wymiarów jest określana na podstawie wartości data_format , patrz powyżej, aby uzyskać szczegółowe informacje. Dylatacje w wymiarze partii i głębokości muszą wynosić 1.

Zwroty:

• Output : 4-D z kształtem [batch, in_height, in_width, in_channels] . Gradient względem wejścia splotu.

Atrybuty publiczne

Operation operation

::tensorflow::Output output

 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
)

::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
)