przepływ tensorowy:: ops:: Wejście Conv2DBackprop

Oblicza gradienty splotu w odniesieniu do danych wejściowych.

Streszczenie

Argumenty:

• zakres: Obiekt Scope
• input_sizes: wektor liczb całkowitych reprezentujący kształt input , gdzie input to tensor 4-D [batch, height, width, channels] .
• filtr: 4-D z kształtem [filter_height, filter_width, in_channels, out_channels] .
• out_backprop: 4-D z kształtem [batch, out_height, out_width, out_channels] . Gradienty stanowią wynik splotu.
• kroki: krok przesuwanego okna dla każdego wymiaru wejścia splotu. Musi być w tej samej kolejności, co wymiar określony w formacie.
• dopełnienie: typ algorytmu dopełniania, który ma zostać użyty.

Opcjonalne atrybuty (patrz Attrs ):

• express_paddings: Jeśli padding ma wartość "EXPLICIT" , lista jawnych ilości dopełnienia. W przypadku i-tego wymiaru ilość dopełnienia wstawionego przed i po wymiarze wynosi odpowiednio explicit_paddings[2 * i] i explicit_paddings[2 * i + 1] . Jeśli padding nie jest "EXPLICIT" , explicit_paddings musi być puste.
• data_format: Określ format danych wejściowych i wyjściowych. Przy domyślnym formacie „NHWC” dane są przechowywane w kolejności: [partia, wysokość_in, szerokość_szerokość, liczba_kanałów]. Alternatywnie formatem może być „NCHW”, a kolejność przechowywania danych to: [partia, kanały_w, wysokość_w, szerokość_w.].
• dylatacje: 1-D tensor długości 4. Współczynnik dylatacji dla każdego wymiaru input . Jeśli ustawisz k > 1, pomiędzy każdym elementem filtrującym w tym wymiarze zostanie pominiętych komórek k-1. Kolejność wymiarów jest określona przez wartość data_format , szczegóły znajdziesz powyżej. Dylatacje w wymiarach partii i głębokości muszą wynosić 1.

Zwroty:

• Output : 4-D z kształtem [batch, in_height, in_width, in_channels] . Gradient zapisany na wejściu splotu.

Atrybuty publiczne

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
)