tensorflow :: operaciones :: Conv2DBackpropInput

Calcula los gradientes de convolución con respecto a la entrada.

Resumen

Argumentos:

• alcance: un objeto de alcance
• input_sizes: Un vector entero que representa la forma de la input , donde la input es un tensor 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] . Los gradientes representan la salida de la convolución.
• strides: El paso de la ventana deslizante para cada dimensión de la entrada de la convolución. Debe estar en el mismo orden que la dimensión especificada con formato.
• padding: el tipo de algoritmo de relleno que se utilizará.

Atributos opcionales (consulte Attrs ):

• explícito_paddings: Si el padding es "EXPLICIT" , la lista de cantidades de relleno explícitas. Para la i-ésima dimensión, la cantidad de relleno insertado antes y después de la dimensión es explicit_paddings[2 * i] y explicit_paddings[2 * i + 1] , respectivamente. Si el padding no es "EXPLICIT" , el explicit_paddings debe estar vacío.
• data_format: especifique el formato de datos de los datos de entrada y salida. Con el formato predeterminado "NHWC", los datos se almacenan en el orden de: [lote, in_height, in_width, in_channels]. Alternativamente, el formato podría ser "NCHW", el orden de almacenamiento de datos de: [batch, in_channels, in_height, in_width].
• dilataciones: tensor 1-D de longitud 4. El factor de dilatación para cada dimensión de input . Si se establece en k> 1, habrá k-1 celdas omitidas entre cada elemento de filtro en esa dimensión. El orden de las dimensiones está determinado por el valor de data_format ; consulte más arriba para obtener más detalles. Las dilataciones en las dimensiones del lote y profundidad deben ser 1.

Devoluciones:

• Output : 4-D con forma [batch, in_height, in_width, in_channels] . Gradiente con la entrada de la convolución.

Atributos públicos

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
)