tf.nn.conv2d_backprop_filter
Вычисляет градиенты свёртки по отношению к фильтру.
tf.nn.conv2d_backprop_filter(
input, filter_sizes, out_backprop, strides, padding, use_cudnn_on_gpu=True,
data_format='NHWC', dilations=[1, 1, 1, 1], name=None
)
| Аргументы | ||
|---|---|---|
input | A Tensor. Должен быть одним из следующих типов: half, bfloat16, float32, float64. 4-мерный с формой [batch, in_height, in_width, in_channels]. | |
filter_sizes | A Tensor типа int32. Целочисленный вектор, представляющий форму тензора filter, где filter — 4-мерный [filter_height, filter_width, in_channels, out_channels] тензор. | |
out_backprop | A Tensor. Должен иметь тот же тип, что и input. 4-мерный с формой [batch, out_height, out_width, out_channels]. Градиенты по отношению к выводу свёртки. | |
strides | Список ints. Шаг скользящего окна для каждого измерения входных данных свёртки. Должен быть в том же порядке, что и измерение, указанное с форматом. | |
padding | Либо string"SAME"or"VALID"indicating the type of padding algorithm to use, or a list indicating the explicit paddings at the start and end of each dimension. When explicit padding is used and data_format is"NHWC", this should be in the form[[0, 0], [pad_top, pad_bottom], [pad_left, pad_right], [0, 0]]. When explicit padding used and data_format is"NCHW", this should be in the form[[0, 0], [0, 0], [pad_top, pad_bottom], [pad_left, pad_right]]. </td> </tr><tr> <td>use_cudnn_on_gpu</td> <td> An optionalbool. Defaults toTrue. </td> </tr><tr> <td>data_format</td> <td> An optionalстрокаfrom:"NHWC", "NCHW". Defaults to"NHWC". Specify the data format of the input and output data. With the default format "NHWC", the data is stored in the order of: [batch, in_height, in_width, in_channels]. Alternatively, the format could be "NCHW", the data storage order of: [batch, in_channels, in_height, in_width]. </td> </tr><tr> <td>dilations</td> <td> An optional list ofцелые числа. Defaults to[1, 1, 1, 1]. 1-D tensor of length 4. The dilation factor for each dimension ofinput. If set to k > 1, there will be k-1 skipped cells between each filter element on that dimension. The dimension order is determined by the value ofdata_format, see above for details. Dilations in the batch and depth dimensions must be 1. </td> </tr><tr> <td>`name` | Имя операции (необязательно). |
| Возвращаемое значение | |
|---|---|
A Tensor. Имеет тот же тип, что и input. |
© 2020 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 3.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/versions/r1.15/api_docs/python/tf/nn/conv2d_backprop_filter
