Merken Sie den Termin vor! Google I / O kehrt vom 18. bis 20. Mai zurück Registrieren Sie sich jetzt
Diese Seite wurde von der Cloud Translation API übersetzt.
Switch to English

Tensorflow :: ops :: Conv2D

#include <nn_ops.h>

Berechnet eine 2-D-Faltung bei 4-D- input und filter .

Zusammenfassung

Bei einem Eingabetensor der Form [batch, in_height, in_width, in_channels] und einem Filter- / Kernel-Tensor der Form [filter_height, filter_width, in_channels, out_channels] führt diese [filter_height, filter_width, in_channels, out_channels] Folgendes aus:

  1. Reduziert den Filter auf eine 2-D-Matrix mit der Form [filter_height * filter_width * in_channels, output_channels] .
  2. Extrahiert Bildfelder aus dem Eingabetensor, um einen virtuellen Tensor der Form zu bilden [batch, out_height, out_width, filter_height * filter_width * in_channels] .
  3. Für jedes Patch multipliziert rechts die Filtermatrix und den Bild-Patch-Vektor.

Im Detail mit dem Standard-NHWC-Format

output[b, i, j, k] =
    sum_{di, dj, q} input[b, strides[1] * i + di, strides[2] * j + dj, q] *
                    filter[di, dj, q, k]

Muss strides[0] = strides[3] = 1 . Für den häufigsten Fall der gleichen horizontalen und vertikalen Schritte sind strides = [1, stride, stride, 1] .

Argumente:

  • scope: Ein Scope- Objekt
  • Eingang: Ein 4-D-Tensor. Die Dimensionsreihenfolge wird gemäß dem Wert von data_format interpretiert. data_format finden Sie weiter unten.
  • Filter: Ein 4-D-Tensor der Form [filter_height, filter_width, in_channels, out_channels]
  • Schritte: 1-D-Tensor der Länge 4. Der Schritt des Schiebefensters für jede input . Die Dimensionsreihenfolge wird durch den Wert von data_format bestimmt. data_format finden Sie weiter unten.
  • padding: Die Art des zu verwendenden Auffüllalgorithmus.

Optionale Attribute (siehe Attrs ):

  • explizite_Paddings: Wenn das padding "EXPLICIT" , wird die Liste der expliziten "EXPLICIT" . Für die i-te Dimension beträgt die vor und nach der Dimension eingefügte Auffüllmenge explicit_paddings[2 * i] bzw. explicit_paddings[2 * i + 1] . Wenn padding nicht ist "EXPLICIT" , explicit_paddings muss leer sein.
  • Datenformat: Geben Sie das Datenformat der Eingabe- und Ausgabedaten an. Mit dem Standardformat "NHWC" werden die Daten in der Reihenfolge gespeichert: [Stapel, Höhe, Breite, Kanäle]. Alternativ könnte das Format "NCHW" sein, die Datenspeicherreihenfolge von: [Stapel, Kanäle, Höhe, Breite].
  • Dilatationen: 1-D-Tensor der Länge 4. Der Dilatationsfaktor für jede input . Wenn k> 1 eingestellt ist, werden zwischen jedem Filterelement in dieser Dimension k-1 übersprungene Zellen angezeigt. Die Dimensionsreihenfolge wird durch den Wert von data_format , siehe oben für Details. Die Dilatationen in den Chargen- und Tiefenabmessungen müssen 1 betragen.

Kehrt zurück:

  • Output : Ein 4-D-Tensor. Die Dimensionsreihenfolge wird durch den Wert von data_format bestimmt. data_format finden Sie weiter unten.

Konstruktoren und Destruktoren

Conv2D (const :: tensorflow::Scope & scope, :: tensorflow::Input input, :: tensorflow::Input filter, const gtl::ArraySlice< int > & strides, StringPiece padding)
Conv2D (const :: tensorflow::Scope & scope, :: tensorflow::Input input, :: tensorflow::Input filter, const gtl::ArraySlice< int > & strides, StringPiece padding, const Conv2D::Attrs & attrs)

Öffentliche Attribute

operation
output

Öffentliche Funktionen

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

Öffentliche statische Funktionen

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

Strukturen

tensorflow :: ops :: Conv2D :: Attrs

Optionale Attributsetzer für Conv2D .

Öffentliche Attribute

Operation

Operation operation

Ausgabe

::tensorflow::Output output

Öffentliche Funktionen

Conv2D

 Conv2D(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input input,
  ::tensorflow::Input filter,
  const gtl::ArraySlice< int > & strides,
  StringPiece padding
)

Conv2D

 Conv2D(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input input,
  ::tensorflow::Input filter,
  const gtl::ArraySlice< int > & strides,
  StringPiece padding,
  const Conv2D::Attrs & attrs
)

Knoten

::tensorflow::Node * node() const 

operator :: tensorflow :: Input

 operator::tensorflow::Input() const 

operator :: tensorflow :: Output

 operator::tensorflow::Output() const 

Öffentliche statische Funktionen

Datei Format

Attrs DataFormat(
  StringPiece x
)

Dilatationen

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

ExplicitPaddings

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

UseCudnnOnGpu

Attrs UseCudnnOnGpu(
  bool x
)