tensorflow:: ops:: Conv2DBackpropInput

Oblicza gradienty splotu względem danych wejściowych.

Streszczenie

Argumenty:

• zakres: obiekt zakresu
• input_sizes: Wektor całkowity reprezentujący kształt input , gdzie input są tensorem 4-D [batch, height, width, channels] .
• filtr: 4-D o kształcie [filter_height, filter_width, in_channels, out_channels] .
• out_backprop: 4-D z kształtem [batch, out_height, out_width, out_channels] . Gradienty względem wyjścia splotu.
• Kroki: Krok okna przesuwnego dla każdego wymiaru wejścia splotu. Musi być w tej samej kolejności, co wymiar określony w formacie.
• padding: Typ algorytmu wypełniania, który ma zostać użyty.

Atrybuty opcjonalne (patrz Attrs ):

• explicit_paddings: Jeśli padding ma wartość "EXPLICIT" , lista jawnych wartości wypełnienia. Dla i-tego wymiaru, wartość wypełnienia wstawianego przed i po wymiarze wynosi odpowiednio explicit_paddings[2 * i] i explicit_paddings[2 * i + 1] . Jeśli padding nie ma "EXPLICIT" , explicit_paddings musi być puste.
• format_danych: Określ format danych wejściowych i wyjściowych. W domyślnym formacie „NHWC” dane są przechowywane w kolejności: [partia, wysokość_in, szerokość_in, kanały_in]. Alternatywnie, format może być „NCHW”, czyli w kolejności przechowywania danych: [partia, kanały_in, wysokość_in, szerokość_in].
• Dylatacje: jednowymiarowy tensor o długości 4. Współczynnik dylatacji dla każdego wymiaru danych input . Jeśli ustawione na k > 1, między każdym elementem filtru w tym wymiarze będzie k-1 pominiętych komórek. Kolejność wymiarów jest określana przez wartość data_format , szczegóły powyżej. Dylatacje w wymiarach wsadowych i głębokości muszą wynosić 1.

Zwroty:

• Output : 4-D z kształtem [batch, in_height, in_width, in_channels] . Gradient względem wejścia splotu.

Atrybuty publiczne

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
)