tf.compat.v1.nn.conv2d_backprop_filter

Вычисляет градиенты свёртки относительно фильтра.

tf.compat.v1.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 одного 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 выходу свёртки.
`strides`	Список `ints`. Шаг скользящего окна для каждого измерения входных данных свёртки. Должен быть в том же порядке, что и измерение, указанное в формате.
`padding`	Либо значение `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 optional`bool`. Defaults to`True`. </td> </tr><tr> <td>`data_format`</td> <td> An optional`string`from:`"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 of`ints`. Defaults to`[1, 1, 1, 1]`. 1-D tensor of length 4. The dilation factor for each dimension of`input`. 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 of`data_format`, see above for details. Dilations in the batch and depth dimensions must be 1. </td> </tr><tr> <td>`имя операции (необязательно).	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/r2.3/api_docs/python/tf/compat/v1/nn/conv2d_backprop_filter