Conv2dBackpropInput kelas akhir publik
Menghitung gradien konvolusi sehubungan dengan input.
Kelas Bersarang
| kelas | Conv2dBackpropInput.Options | Atribut opsional untuk Conv2dBackpropInput | |
Konstanta
| Rangkaian | OP_NAME | Nama operasi ini dikenal dengan mesin inti TensorFlow |
Metode Publik
| Keluaran <T> | sebagai Keluaran () Mengembalikan pegangan simbolis tensor. |
| statis <T memperluas TNumber > Conv2dBackpropInput <T> | |
| Conv2dBackpropInput.Options statis | format data (Format data string) |
| Conv2dBackpropInput.Options statis | dilatasi (Daftar<Panjang> dilatasi) |
| Conv2dBackpropInput.Options statis | eksplisitPaddings (Daftar<Panjang> eksplisitPaddings) |
| Keluaran <T> | keluaran () 4-D dengan bentuk `[batch, in_height, in_width, in_channels]`. |
| Conv2dBackpropInput.Options statis | useCudnnOnGpu (Boolean useCudnnOnGpu) |
Metode Warisan
Konstanta
String akhir statis publik OP_NAME
Nama operasi ini dikenal dengan mesin inti TensorFlow
Nilai Konstan: "Conv2DBackpropInput"
Metode Publik
Keluaran publik <T> sebagai Keluaran ()
Mengembalikan pegangan simbolis tensor.
Masukan ke operasi TensorFlow adalah keluaran dari operasi TensorFlow lainnya. Metode ini digunakan untuk mendapatkan pegangan simbolis yang mewakili perhitungan input.
public static Conv2dBackpropInput <T> buat ( Cakupan cakupan , Operand < TInt32 > inputSizes, filter Operand <T>, Operand <T> outBackprop, Langkah Daftar<Panjang>, Bantalan string, Opsi... opsi)
Metode pabrik untuk membuat kelas yang membungkus operasi Conv2dBackpropInput baru.
Parameter
| cakupan | ruang lingkup saat ini |
|---|---|
| ukuran masukan | Vektor bilangan bulat yang mewakili bentuk `input`, dengan `input` adalah tensor `[batch, tinggi, lebar, saluran]` 4-D. |
| Saring | 4-D dengan bentuk `[filter_height, filter_width, in_channels, out_channels]`. |
| keluarBackprop | 4-D dengan bentuk `[batch, out_height, out_width, out_channels]`. Gradien menentukan keluaran konvolusi. |
| langkah | Langkah jendela geser untuk setiap dimensi masukan konvolusi. Harus berada dalam urutan yang sama dengan dimensi yang ditentukan dengan format. |
| lapisan | Jenis algoritma padding yang akan digunakan. |
| pilihan | membawa nilai atribut opsional |
Kembali
- contoh baru dari Conv2dBackpropInput
Conv2dBackpropInput.Options dataFormat statis publik (String dataFormat)
Parameter
| format data | Tentukan format data data masukan dan keluaran. Dengan format default "NHWC", data disimpan dalam urutan: [batch, in_height, in_width, in_channels]. Alternatifnya, formatnya bisa berupa "NCHW", urutan penyimpanan data: [batch, in_channels, in_height, in_width]. |
|---|
pelebaran Conv2dBackpropInput.Options statis publik (pelebaran Daftar<Panjang>)
Parameter
| pelebaran | Tensor 1-D dengan panjang 4. Faktor dilatasi untuk setiap dimensi `input`. Jika diatur ke k > 1, akan ada k-1 sel yang dilewati di antara setiap elemen filter pada dimensi tersebut. Urutan dimensi ditentukan oleh nilai `data_format`, lihat di atas untuk detailnya. Pelebaran dalam dimensi batch dan kedalaman harus 1. |
|---|
Conv2dBackpropInput.Options eksplisitPaddings statis publik (Daftar<Panjang> eksplisitPaddings)
Parameter
| paddings eksplisit | Jika `padding` adalah `"EXPLICIT"`, daftar jumlah padding eksplisit. Untuk dimensi ke-i, jumlah padding yang disisipkan sebelum dan sesudah dimensi masing-masing adalah `explicit_paddings[2 * i]` dan `explicit_paddings[2 * i + 1]`. Jika `padding` bukan `"EXPLICIT"`, `explicit_paddings` harus kosong. |
|---|
Keluaran publik <T> keluaran ()
4-D dengan bentuk `[batch, in_height, in_width, in_channels]`. Gradien menulis masukan konvolusi.