flux tensoriel : : opérations : : Conv2DBackpropInput

Calcule les gradients de convolution par rapport à l'entrée.

Résumé

Arguments :

• scope : un objet Scope
• input_sizes : un vecteur entier représentant la forme de input , où input est un tenseur 4D [batch, height, width, channels] .
• filtre : 4-D avec forme [filter_height, filter_width, in_channels, out_channels] .
• out_backprop : 4-D avec forme [batch, out_height, out_width, out_channels] . Dégradés par rapport à la sortie de la convolution.
• foulées : La foulée de la fenêtre glissante pour chaque dimension de l'entrée de la convolution. Doit être dans le même ordre que la dimension spécifiée avec le format.
• padding : Le type d’algorithme de remplissage à utiliser.

Attributs facultatifs (voir Attrs ) :

• explicit_paddings : si padding est "EXPLICIT" , la liste des montants de remplissage explicites. Pour la ième dimension, la quantité de remplissage insérée avant et après la dimension est respectivement explicit_paddings[2 * i] et explicit_paddings[2 * i + 1] . Si padding n'est pas "EXPLICIT" , explicit_paddings doit être vide.
• data_format : spécifiez le format de données des données d'entrée et de sortie. Avec le format par défaut « NHWC », les données sont stockées dans l'ordre suivant : [batch, in_height, in_width, in_channels]. Alternativement, le format pourrait être « NCHW », l'ordre de stockage des données étant : [batch, in_channels, in_height, in_width].
• dilatations : tenseur 1-D de longueur 4. Le facteur de dilatation pour chaque dimension d' input . Si défini sur k > 1, il y aura k-1 cellules ignorées entre chaque élément de filtre sur cette dimension. L'ordre des dimensions est déterminé par la valeur de data_format , voir ci-dessus pour plus de détails. Les dilatations dans les dimensions du lot et de la profondeur doivent être de 1.

Retours :

• Output : 4-D avec forme [batch, in_height, in_width, in_channels] . Dégradé par rapport à l'entrée de la convolution.

Attributs publics

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
)