텐서플로우:: 작전:: DepthwiseConv2dNative

4차원 input 및 filter 텐서가 주어지면 2차원 깊이별 컨벌루션을 계산합니다.

요약

[batch, in_height, in_width, in_channels] 모양의 입력 텐서와 깊이 1의 in_channels 컨벌루션 필터를 포함하는 [filter_height, filter_width, in_channels, channel_multiplier] 모양의 필터/커널 텐서가 주어지면, depthwise_conv2d 는 각 입력 채널에 다른 필터를 적용합니다. (1채널에서 각 채널에 대해 channel_multiplier 채널로 확장) 결과를 함께 연결합니다. 따라서 출력에는 in_channels * channel_multiplier 채널이 있습니다.

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]

strides[0] = strides[3] = 1 이어야 합니다. 동일한 수평 및 정점 보폭의 가장 일반적인 경우 strides = [1, stride, stride, 1] .

인수:

• 범위: 범위 개체
• strides: 길이 4의 1-D. input 의 각 차원에 대한 슬라이딩 윈도우의 보폭입니다.
• padding: 사용할 패딩 알고리즘 유형입니다.

선택적 속성( Attrs 참조):

• data_format: 입력 및 출력 데이터의 데이터 형식을 지정합니다. 기본 형식인 "NHWC"를 사용하면 데이터가 [배치, 높이, 너비, 채널] 순서로 저장됩니다. 또는 형식은 [배치, 채널, 높이, 너비]의 데이터 저장 순서인 "NCHW"일 수 있습니다.
• 팽창: 길이가 4인 1차원 텐서. input 의 각 차원에 대한 팽창 인자입니다. k > 1로 설정되면 해당 차원의 각 필터 요소 사이에 k-1개의 건너뛴 셀이 있게 됩니다. 차원 순서는 data_format 값에 따라 결정됩니다. 자세한 내용은 위를 참조하세요. 배치 차원과 깊이 차원의 팽창은 1이어야 합니다.

보고:

• Output : 출력 텐서.

공개 속성

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
)