tensorflow::ops::Conv2D

#include <nn_ops.h>

Вычисляет двумерную свёртку для 4-мерных тензоров input и filter.

Краткое описание

Для входного тензора формы [batch, in_height, in_width, in_channels] и тензора фильтра / ядра формы [filter_height, filter_width, in_channels, out_channels] эта операция выполняет следующее:

1. Преобразует фильтр в двумерную матрицу формы [filter_height * filter_width * in_channels, output_channels].
2. Извлекает из входного тензора фрагменты изображения, формируя виртуальный тензор формы [batch, out_height, out_width, filter_height * filter_width * in_channels].
3. Для каждого фрагмента умножает справа матрицу фильтра на вектор фрагмента изображения.

Подробно, при использовании формата NHWC по умолчанию:

output[b, i, j, k] =
    sum_{di, dj, q} input[b, strides[1] * i + di, strides[2] * j + dj, q] *
                    filter[di, dj, q, k]

Должно быть strides[0] = strides[3] = 1. В наиболее распространённом случае, когда шаг по горизонтали и вертикали одинаков, strides = [1, stride, stride, 1].

Аргументы:

• scope: объект Scope
• input: 4-мерный тензор. Порядок измерений определяется значением data_format; подробности см. ниже.
• filter: 4-мерный тензор формы [filter_height, filter_width, in_channels, out_channels]
• strides: одномерный тензор длины 4. Шаг скользящего окна для каждого измерения input. Порядок измерений определяется значением data_format; подробности см. ниже.
• padding: Тип используемого алгоритма дополнения.

Необязательные атрибуты (см. Attrs):

• explicit_paddings: Если padding равно "EXPLICIT", список явных значений дополнения. Для i-го измерения количество элементов дополнения, добавляемых до и после измерения, равно explicit_paddings[2 * i] и explicit_paddings[2 * i + 1] соответственно. Если padding не равно "EXPLICIT", значение explicit_paddings должно быть пустым.
• data_format: Задаёт формат данных на входе и выходе. В формате "NHWC" по умолчанию данные хранятся в следующем порядке: [batch, height, width, channels]. Также можно использовать формат "NCHW", в котором данные хранятся в следующем порядке: [batch, channels, height, width].
• dilations: одномерный тензор длины 4. Коэффициент разрежения для каждого измерения input. Если задано k > 1, между элементами фильтра в этом измерении будут пропущены k-1 ячеек. Порядок измерений определяется значением data_format; подробности см. выше. Коэффициенты разрежения для измерений пакета и глубины должны быть равны 1.

Возвращает:

• Output: 4-мерный тензор. Порядок измерений определяется значением data_format; подробности см. ниже.

Открытые атрибуты

Operation operation

::tensorflow::Output output

Открытые функции

 Conv2D(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input input,
  ::tensorflow::Input filter,
  const gtl::ArraySlice< int > & strides,
  StringPiece padding
)

 Conv2D(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input input,
  ::tensorflow::Input filter,
  const gtl::ArraySlice< int > & strides,
  StringPiece padding,
  const Conv2D::Attrs & attrs
)

::tensorflow::Node * node() const 

operator::tensorflow::Input() const 

operator::tensorflow::Output() const 

Открытые статические функции

Attrs DataFormat(
  StringPiece x
)

Attrs Dilations(
  const gtl::ArraySlice< int > & x
)

Attrs ExplicitPaddings(
  const gtl::ArraySlice< int > & x
)

Attrs UseCudnnOnGpu(
  bool x
)