AvgPoolGrad คลาสสุดท้ายสาธารณะ
คำนวณการไล่ระดับสีของฟังก์ชันการรวมค่าเฉลี่ย
คลาสที่ซ้อนกัน
| ระดับ | AvgPoolGrad.ตัวเลือก | คุณลักษณะทางเลือกสำหรับ AvgPoolGrad | |
ค่าคงที่
| สตริง | OP_NAME | ชื่อของ op นี้ ซึ่งรู้จักกันในชื่อของเอ็นจิ้นหลัก TensorFlow |
วิธีการสาธารณะ
| เอาท์พุต <T> | เป็นเอาท์พุต () ส่งกลับค่าแฮนเดิลสัญลักษณ์ของเทนเซอร์ |
| คง <T ขยาย TNumber > AvgPoolGrad <T> | สร้าง ( ขอบเขต ขอบเขต , ตัวดำเนินการ < TInt32 > origInputShape, ตัวดำเนินการ <T> ผู้สำเร็จการศึกษา, รายการ<Long> ksize, รายการ<Long> ก้าวย่าง, การขยายสตริง, ตัวเลือก... ตัวเลือก) วิธีการจากโรงงานเพื่อสร้างคลาสที่รวมการดำเนินการ AvgPoolGrad ใหม่ |
| AvgPoolGrad.Options แบบคงที่ | dataFormat (สตริง dataFormat) |
| เอาท์พุต <T> | เอาท์พุท () 4-D. |
วิธีการสืบทอด
ค่าคงที่
สตริงสุดท้ายแบบคงที่สาธารณะ OP_NAME
ชื่อของ op นี้ ซึ่งรู้จักกันในชื่อของเอ็นจิ้นหลัก TensorFlow
ค่าคงที่: "AvgPoolGrad"
วิธีการสาธารณะ
เอาท์ พุท สาธารณะ <T> asOutput ()
ส่งกลับค่าแฮนเดิลสัญลักษณ์ของเทนเซอร์
อินพุตสำหรับการดำเนินการ TensorFlow คือเอาต์พุตของการดำเนินการ TensorFlow อื่น วิธีการนี้ใช้เพื่อรับหมายเลขอ้างอิงสัญลักษณ์ที่แสดงถึงการคำนวณอินพุต
สร้าง AvgPoolGrad <T> แบบคงที่สาธารณะ (ขอบเขต ขอบเขต , ตัวดำเนินการ < TInt32 > origInputShape, ตัวดำเนินการ <T> ผู้สำเร็จการศึกษา, รายการ <Long> ksize, รายการ <Long> ก้าวย่าง, การขยายสตริง, ตัวเลือก... ตัวเลือก)
วิธีการจากโรงงานเพื่อสร้างคลาสที่รวมการดำเนินการ AvgPoolGrad ใหม่
พารามิเตอร์
| ขอบเขต | ขอบเขตปัจจุบัน |
|---|---|
| origInputShape | 1-D. รูปร่างของอินพุตดั้งเดิมเป็น `avg_pool` |
| ผู้สำเร็จการศึกษา | 4-D ที่มีรูปร่าง `[ชุด ความสูง ความกว้าง ช่อง]` การไล่ระดับสีแสดงผลลัพธ์ของ `avg_pool` |
| ขนาด | ขนาดของหน้าต่างบานเลื่อนสำหรับแต่ละมิติของอินพุต |
| ความก้าวหน้า | การก้าวย่างของหน้าต่างบานเลื่อนสำหรับอินพุตแต่ละมิติ |
| การขยายความ | ประเภทของอัลกอริธึมการเติมที่จะใช้ |
| ตัวเลือก | มีค่าแอตทริบิวต์ทางเลือก |
การส่งคืน
- อินสแตนซ์ใหม่ของ AvgPoolGrad
สาธารณะ AvgPoolGrad.Options dataFormat แบบคงที่ (String dataFormat)
พารามิเตอร์
| ข้อมูลรูปแบบ | ระบุรูปแบบข้อมูลของข้อมูลอินพุตและเอาต์พุต ด้วยรูปแบบเริ่มต้น "NHWC" ข้อมูลจะถูกจัดเก็บตามลำดับ: [batch, in_height, in_width, in_channels] หรืออีกทางหนึ่ง รูปแบบอาจเป็น "NCHW" ซึ่งเป็นลำดับการจัดเก็บข้อมูลเป็น: [batch, in_channels, in_height, in_width] |
|---|