tensorflow::ops::Conv2D

#include <nn_ops.h>

Вычисляет 2-мерную свёртку, заданную 4-мерными тензорами input и filter.

Краткое описание

При заданном входном тензоре формы [batch, in_height, in_width, in_channels] и тензоре фильтра/ядра формы [filter_height, filter_width, in_channels, out_channels], данный оператор выполняет следующее:

1. Сжимает фильтр в 2-мерную матрицу с формой [filter_height * filter_width * in_channels, output_channels].
2. Извлекает фрагменты изображения из входного тензора, чтобы сформировать виртуальный тензор формы [batch, out_height, out_width, filter_height * filter_width * in_channels].
3. Для каждого фрагмента справа умножает матрицу фильтра и вектор фрагмента изображения.

Подробнее, при формате 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 выполняться условие strides[0] = strides[3] = 1. В наиболее распространённом случае одинаковых горизонтальных и вертикальных шагов, strides = [1, stride, stride, 1].

Аргументы:

• scope: Объект Scope
• input: 4-мерный тензор. Порядок измерений интерпретируется в соответствии со значением data_format, см. подробности ниже.
• filter: 4-мерный тензор формы [filter_height, filter_width, in_channels, out_channels]
• strides: 1-мерный тензор длины 4. Шаг скользящего окна для каждого измерения input. Порядок измерений определяется значением data_format, см. подробности ниже.
• padding: Тип алгоритма заполнения.

Необязательные атрибуты (см. Attrs):

• explicit_paddings: Если padding равен "EXPLICIT", список явных значений заполнения. Для i-го измерения, количество заполнения перед и после измерения соответственно равно explicit_paddings[2 * i] и explicit_paddings[2 * i + 1]. Если padding не равен "EXPLICIT", explicit_paddings должен быть пустым.
• data_format: Указывает формат данных входных и выходных данных. При формате "NHWC" по умолчанию данные хранятся в порядке: [batch, высота, ширина, каналы]. В качестве альтернативы, формат может быть "NCHW", порядок хранения данных: [batch, каналы, высота, ширина].
• dilations: 1-мерный тензор длины 4. Коэффициент расширения для каждого измерения input. Если задано k > 1, будет k-1 пропущенных ячеек между каждым элементом фильтра в этом измерении. Порядок измерений определяется значением data_format, см. выше для подробностей. Расширения по измерениям batch и depth должны быть равны 1.

Возвращает:

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

Общедоступные атрибуты

Operation operation

::tensorflow::Output output

Общедоступные 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 

Общедоступные статические функции

Attrs DataFormat(
  StringPiece x
)

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

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

Attrs UseCudnnOnGpu(
  bool x
)