tf.compat.v1.nn.convolution

Вычисляет сумму N-мерных свёртки (на самом деле кросс-корреляции).

tf.compat.v1.nn.convolution(
    input,
    filter,
    padding,
    strides=None,
    dilation_rate=None,
    name=None,
    data_format=None,
    filters=None,
    dilations=None
)

Это также поддерживает либо шаги вывода через необязательный параметр strides, либо атропную свёртку (также известную как свёртка с отверстиями или расширенная свёртка, основанная на французском слове "trous", означающем отверстия на английском языке) через необязательный параметр dilation_rate. Однако в настоящее время шаги вывода не поддерживаются для атропных свёртки.

В частности, в случае, если data_format не начинается с "NC", учитывая ранг (N+2) input тензор формы

[количество_парт, пространственная_форма_ввода[0], ..., пространственная_форма_ввода[N-1], количество_каналов_ввода],

тензор ранга (N+2) filter формы

[форма_пространственного_фильтра[0], ..., форма_пространственного_фильтра[N-1], количество_каналов_ввода, количество_каналов_вывода],

необязательный dilation_rate тензор формы N (по умолчанию [1]*N) определяющий скорость повышения/понижения выборки фильтра, и необязательный список N strides (по умолчанию [1]*N), это вычисляет для каждой N-мерной пространственной позиции вывода (x[0], ..., x[N-1]):

output[b, x[0], ..., x[N-1], k] =
    sum_{z[0], ..., z[N-1], q}
        filter[z[0], ..., z[N-1], q, k] *
        padded_input[b,
                     x[0]*strides[0] + dilation_rate[0]*z[0],
                     ...,
                     x[N-1]*strides[N-1] + dilation_rate[N-1]*z[N-1],
                     q]

где b - индекс в пакет, k - номер канала вывода, q - номер канала ввода, и z - N-мерное смещение внутри фильтра. Здесь padded_input получается путем заполнения нулями ввода с использованием эффективной пространственной формы фильтра (spatial_filter_shape-1) * dilation_rate + 1 и шагом вывода strides.

В случае, если data_format начинается с "NC", input и вывод (но не filter) просто транспонируются следующим образом:

convolution(input, data_format, **kwargs) =
  tf.transpose(convolution(tf.transpose(input, [0] + range(2,N+2) + [1]),
                           **kwargs),
               [0, N+1] + range(1, N+1))

Требуется, чтобы 1 <= N <= 3.

Аргументы
`input`	(N+2)-мерный `Tensor` типа `T`, формы `[batch_size] + input_spatial_shape + [in_channels]`, если data_format не начинается с "NC" (по умолчанию), или `[batch_size, in_channels] + input_spatial_shape`, если data_format начинается с "NC".
`filter`	(N+2)-мерный `Tensor` с тем же типом, что и у `input`, и формой `spatial_filter_shape + [in_channels, out_channels]`.
`padding`	Строка, либо `"VALID"`, либо `"SAME"`. Алгоритм заполнения. `"valid"` означает отсутствие заполнения. `"same"` приводит к равномерному дополнению слева/справа или сверху/снизу ввода таким образом, чтобы вывод имел ту же высоту/ширину, что и ввод, когда шаги равны 1. Более подробная информация представлена здесь.
`strides`	Необязательно. Последовательность N целых чисел >= 1. Определяет шаг вывода. По умолчанию `[1]*N`. Если какое-либо значение шагов > 1, то все значения скорости расширения должны быть 1.
`dilation_rate`	Необязательно. Последовательность N целых чисел >= 1. Определяет скорость повышения/понижения выборки фильтра/ввода. В литературе тот же параметр иногда называется `input stride` или `dilation`. Эффективный размер фильтра, используемый для свёртки, будет `spatial_filter_shape + (spatial_filter_shape - 1) * (rate - 1)`, полученный путём вставки (dilation_rate[i]-1) нулей между последовательными элементами исходного фильтра в каждой пространственной размерности i. Если любое значение dilation_rate > 1, то все значения шагов должны быть 1.
`name`	Необязательное имя возвращаемого тензора.
`data_format`	Строка или None. Указывает, является ли размерность канала `input` и вывода последней размерностью (по умолчанию, или если `data_format` не начинается с "NC"), или второй размерностью (если `data_format` начинается с "NC"). Для N=1 допустимые значения — "NWC" (по умолчанию) и "NCW". Для N=2 допустимые значения — "NHWC" (по умолчанию) и "NCHW". Для N=3 допустимые значения — "NDHWC" (по умолчанию) и "NCDHW".

Возвращает

Возвращает
A `Tensor` с тем же типом, что и `input`, с формой `[batch_size] + output_spatial_shape + [out_channels]` если data_format равно None или не начинается с "NC", или `[batch_size, out_channels] + output_spatial_shape` если data_format начинается с "NC", где `output_spatial_shape` зависит от значения `padding`. Если padding == "SAME": output_spatial_shape[i] = ceil(input_spatial_shape[i] / strides[i]) Если padding == "VALID": output_spatial_shape[i] = ceil((input_spatial_shape[i] - (spatial_filter_shape[i]-1) * dilation_rate[i]) / strides[i]).

A Tensor с тем же типом, что и input, с формой

`[batch_size] + output_spatial_shape + [out_channels]`

если data_format равно None или не начинается с "NC", или

`[batch_size, out_channels] + output_spatial_shape`

если data_format начинается с "NC", где output_spatial_shape зависит от значения padding.

Если padding == "SAME": output_spatial_shape[i] = ceil(input_spatial_shape[i] / strides[i])

Если padding == "VALID": output_spatial_shape[i] = ceil((input_spatial_shape[i] - (spatial_filter_shape[i]-1) * dilation_rate[i]) / strides[i]).

Исключения
`ValueError`	Если глубина ввода/вывода не совпадает с формой `filter`, если padding отличается от `"VALID"` или `"SAME"`, или если data_format недействителен.

© 2022 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 4.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/api_docs/python/tf/compat/v1/nn/convolution