tensoreflusso:: ops:: Conv2DBackpropInput

Calcola i gradienti di convoluzione rispetto all'input.

Riepilogo

Argomenti:

• scope: un oggetto Scope
• input_sizes: un vettore intero che rappresenta la forma di input , dove input è un tensore 4-D [batch, height, width, channels] .
• filter: 4-D con forma [filter_height, filter_width, in_channels, out_channels] .
• out_backprop: 4-D con forma [batch, out_height, out_width, out_channels] . I gradienti rappresentano l'output della convoluzione.
• passi: il passo della finestra scorrevole per ogni dimensione dell'input della convoluzione. Deve essere nello stesso ordine della dimensione specificata con format.
• riempimento: il tipo di algoritmo di riempimento da utilizzare.

Attributi facoltativi (vedi Attrs ):

• esplicitamente_paddings: se padding è "EXPLICIT" , l'elenco degli importi di riempimento espliciti. Per la i-esima dimensione, la quantità di riempimento inserita prima e dopo la dimensione è rispettivamente explicit_paddings[2 * i] e explicit_paddings[2 * i + 1] . Se padding non è "EXPLICIT" , explicit_paddings deve essere vuoto.
• data_format: specifica il formato dei dati di input e output. Con il formato predefinito "NHWC", i dati vengono archiviati nell'ordine di: [batch, in_height, in_width, in_channels]. In alternativa, il formato potrebbe essere "NCHW", l'ordine di archiviazione dei dati di: [batch, in_channels, in_height, in_width].
• dilatazioni: tensore 1-D di lunghezza 4. Il fattore di dilatazione per ciascuna dimensione di input . Se impostato su k > 1, ci saranno k-1 celle saltate tra ciascun elemento filtro su quella dimensione. L'ordine delle dimensioni è determinato dal valore di data_format , vedi sopra per i dettagli. Le dilatazioni delle dimensioni del lotto e della profondità devono essere pari a 1.

Resi:

• Output : 4-D con forma [batch, in_height, in_width, in_channels] . Gradiente rispetto all'input della convoluzione.

Attributi pubblici

Operation operation

::tensorflow::Output output

 Conv2DBackpropInput(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input input_sizes,
  ::tensorflow::Input filter,
  ::tensorflow::Input out_backprop,
  const gtl::ArraySlice< int > & strides,
  StringPiece padding
)

 Conv2DBackpropInput(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input input_sizes,
  ::tensorflow::Input filter,
  ::tensorflow::Input out_backprop,
  const gtl::ArraySlice< int > & strides,
  StringPiece padding,
  const Conv2DBackpropInput::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
)

Attrs ExplicitPaddings(
  const gtl::ArraySlice< int > & x
)

Attrs UseCudnnOnGpu(
  bool x
)