tensorflow::ops::Conv2DBackpropInput

Calcule les gradients de convolution par rapport à l'entrée.

Résumé

Arguments :

• portée : un objet Scope
• input_sizes : Un vecteur d’entiers représentant la forme de input , où input est un tenseur 4D [batch, height, width, channels] .
• filtre : 4D avec forme [filter_height, filter_width, in_channels, out_channels] .
• out_backprop : 4D avec la forme [batch, out_height, out_width, out_channels] . Gradients par rapport à la sortie de la convolution.
• strides : Le pas de la fenêtre glissante pour chaque dimension de l’entrée de la convolution. Doit être dans le même ordre que la dimension spécifiée avec le format.
• padding : le type d’algorithme de padding à utiliser.

Attributs optionnels (voir Attrs ) :

• explicit_paddings : Si padding est défini sur "EXPLICIT" , liste des valeurs de remplissage explicites. Pour la i-ème dimension, les valeurs de remplissage insérées avant et après la dimension sont respectivement explicit_paddings[2 * i] et explicit_paddings[2 * i + 1] . Si padding n'est pas "EXPLICIT" , explicit_paddings doit être vide.
• data_format : Spécifiez le format des données d’entrée et de sortie. Par défaut, avec le format « NHWC », les données sont stockées dans l’ordre suivant : [batch, in_height, in_width, in_channels]. Vous pouvez également utiliser le format « NCHW », auquel cas l’ordre de stockage est le suivant : [batch, in_channels, in_height, in_width].
• Dilatations : tenseur 1D de longueur 4. Facteur de dilatation pour chaque dimension de input . Si k > 1, k-1 cellules seront ignorées entre chaque élément de filtre sur cette dimension. L’ordre des dimensions est déterminé par la valeur de data_format (voir ci-dessus pour plus de détails). Les dilatations des dimensions batch et depth doivent être égales à 1.

Retours :

• Output : 4D de forme [batch, in_height, in_width, in_channels] . Gradient par rapport à l'entrée de la convolution.

attributs publics

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
)