tensorflow :: ops :: Conv2DBackpropInput

bookmark_border Mantenha tudo organizado com as coleções Salve e categorize o conteúdo com base nas suas preferências.

Calcula os gradientes de convolução em relação à entrada.

Resumo

Argumentos:

• escopo: um objeto Scope
• input_sizes: Um vetor inteiro que representa a forma da input , onde a input é um tensor 4-D [batch, height, width, channels]
• filtro: 4-D com forma [filter_height, filter_width, in_channels, out_channels] .
• out_backprop: 4-D com forma [batch, out_height, out_width, out_channels] . Os gradientes são a saída da convolução.
• strides: O stride da janela deslizante para cada dimensão da entrada da convolução. Deve estar na mesma ordem que a dimensão especificada com o formato.
• preenchimento: o tipo de algoritmo de preenchimento a ser usado.

Atributos opcionais (consulte Attrs ):

• explicit_paddings: se o padding for "EXPLICIT" , a lista de valores de preenchimento explícito. Para a i-ésima dimensão, a quantidade de preenchimento inserido antes e depois da dimensão é explicit_paddings[2 * i] e explicit_paddings[2 * i + 1] , respectivamente. Se o padding não for "EXPLICIT" , o explicit_paddings deve estar vazio.
• data_format: especifique o formato dos dados de entrada e saída. Com o formato padrão "NHWC", os dados são armazenados na ordem de: [batch, in_height, in_width, in_channels]. Alternativamente, o formato pode ser "NCHW", a ordem de armazenamento de dados de: [lote, in_channels, in_height, in_width].
• dilatações: tensor 1-D de comprimento 4. O fator de dilatação para cada dimensão de input . Se definido como k> 1, haverá k-1 células ignoradas entre cada elemento de filtro nessa dimensão. A ordem da dimensão é determinada pelo valor de data_format , consulte acima para obter detalhes. As dilatações nas dimensões do lote e da profundidade devem ser 1.

Retorna:

• Output : 4-D com forma [batch, in_height, in_width, in_channels] . Gradiente em relação à entrada da convolução.

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
)