tf.compat.v1.nn.conv2d

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

tf.compat.v1.nn.conv2d(
    input, filter=None, strides=None, padding=None, use_cudnn_on_gpu=True,
    data_format='NHWC', dilations=[1, 1, 1, 1], name=None, filters=None
)

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], эта операция выполняет следующее:

Расплющивает фильтр в 2-мерную матрицу с формой [filter_height * filter_width * in_channels, output_channels].
Извлекает фрагменты изображения из входного тензора, чтобы сформировать виртуальный тензор формы [batch, out_height, out_width, filter_height * filter_width * in_channels].
Для каждого фрагмента выполняет правое умножение матрицы фильтра и вектора фрагмента изображения.

Подробно, с форматом 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]

Должны быть соблюдены условия strides[0] = strides[3] = 1. В наиболее распространённом случае одинаковых горизонтальных и вертикальных шагов, strides = [1, stride, stride, 1].

Аргументы
`input`	A `Tensor`. Должен быть одного из следующих типов: `half`, `bfloat16`, `float32`, `float64`. 4-мерный тензор. Порядок измерения интерпретируется в соответствии со значением `data_format`, см. подробности ниже.
`filter`	A `Tensor`. Должен иметь тот же тип, что и `input`. 4-мерный тензор формы `[filter_height, filter_width, in_channels, out_channels]`
`strides`	Целое число или список `ints` длиной `1`, `2` или `4`. Шаг скользящего окна для каждой размерности `input`. Если задано единственное значение, оно дублируется в `H` и `W` измерениях. По умолчанию `N` и `C` измерения устанавливаются в 1. Порядок измерения определяется значением `data_format`, см. подробности ниже.
`padding`	Либо `string` `"SAME"` или `"VALID"`, указывающие тип алгоритма заполнения, или список, указывающий явное заполнение в начале и конце каждой размерности. При использовании явного заполнения и data_format `"NHWC"`, это должно быть в форме `[[0, 0], [pad_top, pad_bottom], [pad_left, pad_right], [0, 0]]`. При использовании явного заполнения и data_format `"NCHW"`, это должно быть в форме `[[0, 0], [0, 0], [pad_top, pad_bottom], [pad_left, pad_right]]`.
`use_cudnn_on_gpu`	Необязательный `bool`. По умолчанию `True`.
`data_format`	Необязательный `string` из: `"NHWC", "NCHW"`. По умолчанию `"NHWC"`. Указывает формат данных для входных и выходных данных. С форматом "NHWC" по умолчанию данные хранятся в порядке: [батч, высота, ширина, каналы]. В качестве альтернативы, формат может быть "NCHW", порядок хранения данных: [батч, каналы, высота, ширина].
`dilations`	Целое число или список `ints` длиной `1`, `2` или `4`, по умолчанию 1. Коэффициент дилатации для каждой размерности `input`. Если задано единственное значение, оно дублируется в `H` и `W` измерениях. По умолчанию `N` и `C` измерения устанавливаются в 1. Если задано k > 1, между каждым элементом фильтра по этой размерности будет k-1 пропущенных ячеек. Порядок измерения определяется значением `data_format`, см. выше для подробностей. Дилатации в размерностях батча и глубины, если это 4-мерный тензор, должны быть 1.
`name`	Название операции (необязательно).
`filters`	Псевдоним для фильтра.

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/r2.3/api_docs/python/tf/compat/v1/nn/conv2d