tensorflow :: ops :: Conv2D

محاسبه کنولوشن 2-D با توجه به سنسورهای input و filter 4-D.

خلاصه

با توجه به یک [batch, in_height, in_width, in_channels] ورودی شکل [batch, in_height, in_width, in_channels] و یک [batch, in_height, in_width, in_channels] شکل فیلتر / هسته [filter_height, filter_width, in_channels, out_channels] ، این عملیات موارد زیر را انجام می دهد:

1. فیلتر را به یک ماتریس 2 بعدی با شکل [filter_height * filter_width * in_channels, output_channels] .
2. استخراج وصله های تصویری از تانسور ورودی برای تشکیل یک تانسور مجازی از شکل [batch, out_height, out_width, filter_height * filter_width * in_channels] .
3. برای هر وصله ، ماتریس فیلتر و بردار وصله تصویر را چند برابر می کند.

با جزئیات ، با قالب پیش فرض NHWC ،

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]

باید strides[0] = strides[3] = 1 هایی داشته باشد strides[0] = strides[3] = 1 . برای رایج ترین حالت از همان گامهای افقی و رئوس ، strides = [1, stride, stride, 1] .

استدلال ها:

• دامنه: یک شی Sc Scope
• ورودی: یک سنسور 4-D. ترتیب ابعاد با توجه به مقدار data_format ، برای جزئیات بیشتر به زیر مراجعه کنید.
• فیلتر: یک تانسور 4-شکل [filter_height, filter_width, in_channels, out_channels]
• گامها: تانسور 1-D طول 4. گام پنجره کشویی برای هر بعد input . ترتیب ابعاد با مقدار data_format ، برای جزئیات بیشتر به زیر مراجعه کنید.
• padding: نوع الگوریتم padding برای استفاده.

ویژگی های اختیاری (به Attrs مراجعه کنید):

• explicit_paddings: اگر "EXPLICIT" padding "EXPLICIT" ، لیست مقادیر واضح و آشکار فهرست می شود. برای بعد ith ، مقدار بالشتک وارد شده قبل و بعد از ابعاد به ترتیب explicit_paddings[2 * i] و explicit_paddings[2 * i + 1] است. اگر padding "EXPLICIT" ، "EXPLICIT" explicit_paddings باید خالی باشد.
• data_format: قالب داده ورودی و خروجی را مشخص کنید. با قالب پیش فرض "NHWC" ، داده ها به ترتیب: [دسته ، ارتفاع ، عرض ، کانالها] ذخیره می شوند. متناوباً ، قالب می تواند "NCHW" باشد ، ترتیب ذخیره داده:: [دسته ، کانال ها ، ارتفاع ، عرض].
• اتساع: تانسور 1-D طول 4. ضریب اتساع برای هر بعد input . اگر روی k> 1 تنظیم شود ، بین هر عنصر فیلتر در آن بعد سلولهای k-1 وجود دارد. ترتیب ابعاد با مقدار data_format ، برای جزئیات به بالا مراجعه کنید. اتساع در ابعاد دسته و عمق باید 1 باشد.

بازده:

• Output : یک Output 4-D. ترتیب ابعاد با مقدار data_format ، برای جزئیات بیشتر به زیر مراجعه کنید.

صفات عمومی

Operation operation

::tensorflow::Output output

 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
)

::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
)