جریان تنسور:: عملیات:: DepthwiseConv2dNative

یک انحراف عمقی 2 بعدی را با توجه به تانسورهای input و filter 4 بعدی محاسبه می کند.

خلاصه

با توجه به یک تانسور ورودی شکل [batch, in_height, in_width, in_channels] و یک فیلتر/کرنل تانسور شکل [filter_height, filter_width, in_channels, channel_multiplier] , حاوی فیلترهای کانولوشنال in_channels با عمق 1، برای هر یک از کانال ها depthwise_conv2d فیلتر کنید. (از 1 کانال به کانال های channel_multiplier برای هر کدام گسترش می یابد)، سپس نتایج را با هم ترکیب می کند. بنابراین، خروجی دارای کانال های in_channels * channel_multiplier است.

for k in 0..in_channels-1
  for q in 0..channel_multiplier-1
    output[b, i, j, k * channel_multiplier + q] =
      sum_{di, dj} input[b, strides[1] * i + di, strides[2] * j + dj, k] *
                        filter[di, dj, k, q]

باید strides[0] = strides[3] = 1 . برای رایج ترین حالت گام های افقی و رئوس یکسان، strides = [1, stride, stride, 1] .

استدلال ها:

• scope: یک شی Scope
• گام ها: 1-D طول 4. گام پنجره کشویی برای هر بعد input .
• padding: نوع الگوریتم padding مورد استفاده.

ویژگی های اختیاری (به Attrs مراجعه کنید):

• data_format: فرمت داده داده های ورودی و خروجی را مشخص کنید. با فرمت پیش فرض "NHWC"، داده ها به ترتیب زیر ذخیره می شوند: [دسته، ارتفاع، عرض، کانال]. از طرف دیگر، قالب می تواند "NCHW" باشد، ترتیب ذخیره سازی داده ها: [دسته، کانال، ارتفاع، عرض].
• اتساع: تانسور 1 بعدی به طول 4. ضریب اتساع برای هر بعد input . 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 data_format تعیین می شود، برای جزئیات بیشتر به بالا مراجعه کنید. اتساع در ابعاد دسته ای و عمقی باید 1 باشد.

برمی گرداند:

• Output : تانسور خروجی.

صفات عمومی

Operation operation

::tensorflow::Output output

 DepthwiseConv2dNative(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input input,
  ::tensorflow::Input filter,
  const gtl::ArraySlice< int > & strides,
  StringPiece padding
)

 DepthwiseConv2dNative(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input input,
  ::tensorflow::Input filter,
  const gtl::ArraySlice< int > & strides,
  StringPiece padding,
  const DepthwiseConv2dNative::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
)