tensorflow :: ops :: Conv3DBackpropFilterV2

شیب های کانولوشن 3-D را با توجه به فیلتر محاسبه می کند.

خلاصه

استدلال ها:

• دامنه: یک شی Sc Scope
• ورودی: شکل [batch, depth, rows, cols, in_channels] .
• filter_sizes: یک بردار عدد صحیح است که شکل تانسور filter ، جایی که filter یک [filter_depth, filter_height, filter_width, in_channels, out_channels] 5-D [filter_depth, filter_height, filter_width, in_channels, out_channels] .
• out_backprop: سیگنال backprop از شکل [batch, out_depth, out_rows, out_cols, out_channels] .
• گامها: تانسور 1-D طول 5. گام پنجره کشویی برای هر بعد input . باید strides[0] = strides[4] = 1 هایی داشته باشد strides[0] = strides[4] = 1 .
• padding: نوع الگوریتم padding برای استفاده.

ویژگی های اختیاری (به Attrs مراجعه کنید):

• data_format: قالب داده داده های ورودی و خروجی. با قالب پیش فرض "NDHWC" ، داده ها به ترتیب: [دسته ای ، عمق ، ارتفاع ، عرض ، کانال های] ذخیره می شوند. متناوباً ، قالب می تواند "NCDHW" باشد ، ترتیب ذخیره داده ها به ترتیب زیر است:
• اتساع: تانسور 1-D طول 5. 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 : تانسور خروجی.

صفات عمومی

Operation operation

::tensorflow::Output output

 Conv3DBackpropFilterV2(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input input,
  ::tensorflow::Input filter_sizes,
  ::tensorflow::Input out_backprop,
  const gtl::ArraySlice< int > & strides,
  StringPiece padding
)

 Conv3DBackpropFilterV2(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input input,
  ::tensorflow::Input filter_sizes,
  ::tensorflow::Input out_backprop,
  const gtl::ArraySlice< int > & strides,
  StringPiece padding,
  const Conv3DBackpropFilterV2::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
)