tensorflow::ops::CropAndResizeGradImage

คำนวณเกรเดียนต์ของตัวดำเนินการ crop_and_resize เทียบกับเทนเซอร์ภาพอินพุต

สรุป

ข้อโต้แย้ง:

• ขอบเขต: วัตถุ ขอบเขต
• grads: เทนเซอร์ 4 มิติที่มีรูปร่าง [num_boxes, crop_height, crop_width, depth]
• กล่อง: เทนเซอร์ 2 มิติที่มีรูปร่าง [num_boxes, 4] แถวที่ i ของเทนเซอร์ระบุพิกัดของกล่องในภาพ box_ind[i] และระบุในพิกัดมาตรฐาน [y1, x1, y2, x2] ค่าพิกัดมาตรฐานของ y จะถูกแมปไปยังพิกัดภาพที่ y * (image_height - 1) ดังนั้นช่วง [0, 1] ของความสูงภาพมาตรฐานจะถูกแมปไปยัง [0, image_height - 1] ในพิกัดความสูงของภาพ เราอนุญาตให้ y1 > y2 ได้ ในกรณีนี้ ภาพที่ตัดมาจะเป็นภาพกลับหัวของภาพต้นฉบับ มิติความกว้างได้รับการจัดการในทำนองเดียวกัน อนุญาตให้ใช้พิกัดมาตรฐานที่อยู่นอกช่วง [0, 1] ในกรณีนี้เราจะใช้ extrapolation_value เพื่อประมาณค่าภาพอินพุต
• box_ind: เทนเซอร์ 1 มิติ รูปร่าง [num_boxes] ที่มีค่า int32 ในช่วง [0, batch) ค่าของ box_ind[i] ระบุภาพที่กล่องที่ i อ้างถึง
• image_size: เทนเซอร์ 1 มิติที่มีค่า [batch, image_height, image_width, depth] ซึ่งประกอบด้วยขนาดของภาพต้นฉบับ โดยทั้ง image_height และ image_width ต้องเป็นค่าบวก

คุณลักษณะเสริม (ดูที่ Attrs ):

• method: สตริงที่ระบุวิธีการแทรกค่า ปัจจุบันรองรับเฉพาะ 'bilinear' เท่านั้น

การส่งคืนสินค้า:

• Output : เทนเซอร์ 4 มิติ ที่มีรูปร่าง [batch, image_height, image_width, depth]

คุณลักษณะสาธารณะ

Operation operation

::tensorflow::Output output

 CropAndResizeGradImage(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input grads,
  ::tensorflow::Input boxes,
  ::tensorflow::Input box_ind,
  ::tensorflow::Input image_size,
  DataType T
)

 CropAndResizeGradImage(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input grads,
  ::tensorflow::Input boxes,
  ::tensorflow::Input box_ind,
  ::tensorflow::Input image_size,
  DataType T,
  const CropAndResizeGradImage::Attrs & attrs
)

::tensorflow::Node * node() const 

 operator::tensorflow::Input() const 

 operator::tensorflow::Output() const 

Attrs Method(
  StringPiece x
)