Conv2dBackpropInput

کلاس نهایی عمومی Conv2dBackpropInput

شیب کانولوشن را با توجه به ورودی محاسبه می کند.

کلاس های تو در تو

کلاس Conv2dBackpropInput.Options ویژگی های اختیاری برای Conv2dBackpropInput

ثابت ها

رشته OP_NAME نام این عملیات، همانطور که توسط موتور هسته TensorFlow شناخته می شود

روش های عمومی

خروجی <T>
asOutput ()
دسته نمادین تانسور را برمی گرداند.
استاتیک <T TNumber > Conv2dBackpropInput <T> را گسترش می دهد
ایجاد ( scope scope، Operand < TINT32 > inputSizes، Operand <T> filter، Operand <T> outBackprop، List<Long> strides، String padding، Options... گزینه ها)
روش کارخانه برای ایجاد کلاسی که یک عملیات Conv2dBackpropInput جدید را بسته بندی می کند.
استاتیک Conv2dBackpropInput.Options
dataFormat (String dataFormat)
استاتیک Conv2dBackpropInput.Options
اتساع (List<Long> dilation)
استاتیک Conv2dBackpropInput.Options
explicitPaddings (List<Long> explicitPaddings)
خروجی <T>
خروجی ()
4-بعدی با شکل «[دسته، در_ارتفاع، در_عرض، در کانال]».
استاتیک Conv2dBackpropInput.Options
useCudnnOnGpu (استفاده بولیCudnnOnGpu)

روش های ارثی

ثابت ها

رشته نهایی ثابت عمومی OP_NAME

نام این عملیات، همانطور که توسط موتور هسته TensorFlow شناخته می شود

مقدار ثابت: "Conv2DBackpropInput"

روش های عمومی

خروجی عمومی <T> asOutput ()

دسته نمادین تانسور را برمی گرداند.

ورودی های عملیات TensorFlow خروجی های عملیات تنسورفلو دیگر هستند. این روش برای به دست آوردن یک دسته نمادین که نشان دهنده محاسبه ورودی است استفاده می شود.

عمومی استاتیک Conv2dBackpropInput <T> ایجاد ( دامنه دامنه، Operand < TINT32 > inputSizes، Operand <T> فیلتر، Operand <T> outBackprop، فهرست <طولانی> گام‌ها، لایه‌بندی رشته، گزینه‌ها... گزینه‌ها)

روش کارخانه برای ایجاد کلاسی که یک عملیات Conv2dBackpropInput جدید را بسته بندی می کند.

مولفه های
محدوده محدوده فعلی
اندازه های ورودی یک بردار عدد صحیح که شکل «ورودی» را نشان می‌دهد، که در آن «ورودی» یک تانسور 4 بعدی «[دسته، ارتفاع، عرض، کانال‌ها]» است.
فیلتر کنید 4-بعدی با شکل «[ارتفاع_فیلتر، عرض_فیلتر، درون_کانال، کانال_خارج]».
outBackprop 4-بعدی با شکل «[دسته، خارج_ارتفاع، خارج_عرض، خارج_کانال]». گرادیان ها خروجی کانولوشن را تشکیل می دهند.
گام برداشت گام پنجره کشویی برای هر بعد ورودی کانولوشن. باید به همان ترتیب ابعاد مشخص شده با قالب باشد.
لایه گذاری نوع الگوریتم padding مورد استفاده.
گزینه ها مقادیر ویژگی های اختیاری را حمل می کند
برمی گرداند
  • یک نمونه جدید از Conv2dBackpropInput

عمومی استاتیک Conv2dBackpropInput.Options dataFormat (String dataFormat)

مولفه های
dataFormat فرمت داده داده های ورودی و خروجی را مشخص کنید. با فرمت پیش‌فرض «NHWC»، داده‌ها به ترتیب زیر ذخیره می‌شوند: [batch, in_height, in_width, in_channels]. از طرف دیگر، قالب می‌تواند «NCHW» باشد، ترتیب ذخیره‌سازی داده‌ها: [دسته‌ای، در کانال‌ها، در ارتفاع، در عرض].

اتساع Conv2dBackpropInput.Options عمومی ثابت (List<Long> dilation)

مولفه های
اتساع تانسور 1 بعدی به طول 4. ضریب اتساع برای هر بعد «ورودی». اگر روی k> 1 تنظیم شود، بین هر عنصر فیلتر در آن بعد، سلول های k-1 پرش شده وجود خواهد داشت. ترتیب ابعاد با مقدار "قالب_داده" تعیین می شود، برای جزئیات بیشتر به بالا مراجعه کنید. اتساع در ابعاد دسته ای و عمقی باید 1 باشد.

public static Conv2dBackpropInput.Options explicitPaddings (List<Long> explicitPaddings)

مولفه های
صریح پدینگ اگر «پرده‌سازی» «EXPLICIT» باشد، فهرستی از مقادیر صریح padding. برای بعد ith، مقدار padding درج شده قبل و بعد از بعد به ترتیب "paddings_explicit[2 * i]" و "explicit_paddings[2 * i + 1]" است. اگر «padding» «EXPLICIT» نیست، «paddings_explicit» باید خالی باشد.

خروجی عمومی <T> خروجی ()

4-بعدی با شکل «[دسته، در_ارتفاع، در_عرض، در کانال]». گرادیان ورودی پیچیدگی را وارد می کند.

عمومی استاتیک Conv2dBackpropInput.Options useCudnnOnGpu (استفاده بولیCudnnOnGpu)