يحسب التواء ثنائي الأبعاد مع موترات "الإدخال" و"التصفية" رباعية الأبعاد.
بالنظر إلى موتر الإدخال بالشكل `[batch, in_height, in_width, in_channels]` وموتر المرشح/النواة بالشكل `[filter_height, filter_width, in_channels, out_channels]`، تؤدي هذه العملية ما يلي:
1. يقوم بتسوية الفلتر إلى مصفوفة ثنائية الأبعاد ذات الشكل `[filter_height * filter_width * in_channels,put_channels]`. 2. يستخرج تصحيحات الصورة من موتر الإدخال لتكوين موتر افتراضي للشكل `[batch, out_height, out_width, filter_height * filter_width * in_channels]`. 3. بالنسبة لكل تصحيح، قم بضرب مصفوفة المرشح ومتجه تصحيح الصورة باليمين.
بالتفصيل، باستخدام تنسيق NHWC الافتراضي،
الإخراج [b، i، j، k] = sum_{di، dj، q} الإدخال[b، خطوات[1] * i + di، خطوات[2] * j + dj، q] * مرشح[di، dj، ف، ك]
يجب أن تحتوي على `خطوات[0] = خطوات[3] = 1`. بالنسبة للحالة الأكثر شيوعًا لنفس الخطوات الأفقية والقممية، `خطوات = [1، خطوة، خطوة، 1]`.
فئات متداخلة
| فصل | Conv2d.Options | السمات الاختيارية لـ Conv2d | |
الثوابت
| خيط | OP_NAME | اسم هذه العملية كما هو معروف بواسطة محرك TensorFlow الأساسي |
الأساليب العامة
| الإخراج <T> | كإخراج () إرجاع المقبض الرمزي للموتر. |
| ثابت <T يمتد TNumber > Conv2d <T> | إنشاء (نطاق النطاق ، وإدخال المعامل <T>، ومرشح المعامل <T>، وخطوات القائمة <الطويلة>، وحشوة السلسلة، والخيارات... الخيارات) طريقة المصنع لإنشاء فئة تغلف عملية Conv2d جديدة. |
| ثابت Conv2d.Options | تنسيق البيانات (تنسيق بيانات السلسلة) |
| ثابت Conv2d.Options | التوسعات (قائمة التوسعات <Long>) |
| ثابت Conv2d.Options | أغطية صريحة (قائمة <طويلة> أغطية واضحة) |
| الإخراج <T> | انتاج () موتر رباعي الأبعاد. |
| ثابت Conv2d.Options | useCudnnOnGpu (الاستخدام المنطقيCudnnOnGpu) |
الطرق الموروثة
الثوابت
السلسلة النهائية الثابتة العامة OP_NAME
اسم هذه العملية كما هو معروف بواسطة محرك TensorFlow الأساسي
الأساليب العامة
الإخراج العام <T> كإخراج ()
إرجاع المقبض الرمزي للموتر.
المدخلات إلى عمليات TensorFlow هي مخرجات عملية TensorFlow أخرى. يتم استخدام هذه الطريقة للحصول على مقبض رمزي يمثل حساب الإدخال.
إنشاء Conv2d <T> ثابت عام ( نطاق النطاق ، وإدخال المعامل <T>، ومرشح المعامل <T>، وخطوات القائمة <Long>، وحشو السلسلة، والخيارات... الخيارات)
طريقة المصنع لإنشاء فئة تغلف عملية Conv2d جديدة.
حدود
| نِطَاق | النطاق الحالي |
|---|---|
| مدخل | موتر رباعي الأبعاد. يتم تفسير ترتيب الأبعاد وفقًا لقيمة "تنسيق_البيانات"، انظر أدناه للحصول على التفاصيل. |
| منقي | موتر رباعي الأبعاد للشكل `[filter_height, filter_width, in_channels, out_channels]` |
| خطوات واسعة | موتر 1-D للطول 4. خطوة النافذة المنزلقة لكل بعد من أبعاد "الإدخال". يتم تحديد ترتيب الأبعاد حسب قيمة "تنسيق_البيانات"، انظر أدناه للحصول على التفاصيل. |
| حشوة | نوع خوارزمية الحشو المستخدمة. |
| خيارات | يحمل قيم السمات الاختيارية |
عائدات
- مثيل جديد لـ Conv2d
ثابت عام Conv2d.Options dataFormat (String dataFormat)
حدود
| تنسيق البيانات | تحديد تنسيق البيانات لبيانات الإدخال والإخراج. باستخدام التنسيق الافتراضي "NHWC"، يتم تخزين البيانات بالترتيب التالي: [الدفعة، الارتفاع، العرض، القنوات]. وبدلاً من ذلك، يمكن أن يكون التنسيق "NCHW"، ترتيب تخزين البيانات: [دفعة، قنوات، ارتفاع، عرض]. |
|---|
توسعات Conv2d.Options العامة الثابتة (توسعات القائمة<Long>)
حدود
| توسعات | موتر 1-D للطول 4. عامل التمدد لكل بعد من أبعاد "الإدخال". إذا تم التعيين على k > 1، فسيكون هناك خلايا k-1 تم تخطيها بين كل عنصر مرشح في هذا البعد. يتم تحديد ترتيب الأبعاد حسب قيمة "تنسيق_البيانات"، انظر أعلاه للحصول على التفاصيل. يجب أن تكون التوسعات في أبعاد الدفعة والعمق 1. |
|---|
Conv2d.Options العامة الثابتة
حدود
| this.expectPaddings | إذا كانت `الحشوة` هي `"صريحة"`، فقائمة كميات الحشو الصريحة. بالنسبة للبعد التاسع، فإن مقدار المساحة المتروكة المُدرجة قبل البعد وبعده هو `explicit_paddings[2 * i]` و`explicit_paddings[2 * i + 1]`، على التوالي. إذا لم تكن `الحشوة` `"EXPLICIT"`، فيجب أن تكون ``explicit_paddings` فارغة. |
|---|
الإخراج العام <T> الإخراج ()
موتر رباعي الأبعاد. يتم تحديد ترتيب الأبعاد حسب قيمة "تنسيق_البيانات"، انظر أدناه للحصول على التفاصيل.