计算给定 4-D input 和 filter 张量的 2-D 卷积。
用法
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
)参数
-
input一个Tensor。必须是以下类型之一:half,bfloat16,float32,float64。一个 4-D 张量。维度顺序根据data_format的值进行解释,详见下文。 -
filter一个Tensor。必须与input具有相同的类型。形状为[filter_height, filter_width, in_channels, out_channels]的 4-D 张量 -
strides长度为1,2或4的ints的 int 或列表。input的每个维度的滑动窗口的步幅。如果给定单个值,则会在H和W维度中复制它。默认情况下,N和C维度设置为 1。维度顺序由data_format的值确定,详情请参见下文。 -
paddingstring"SAME"或"VALID"指示要使用的填充算法的类型,或者指示每个维度开始和结束处的显式填充的列表。当使用显式填充且 data_format 为"NHWC"时,应采用[[0, 0], [pad_top, pad_bottom], [pad_left, pad_right], [0, 0]]的形式。当使用显式填充且 data_format 为"NCHW"时,应采用[[0, 0], [0, 0], [pad_top, pad_bottom], [pad_left, pad_right]]的形式。 -
use_cudnn_on_gpu可选的bool。默认为True。 -
data_format一个可选的string来自:"NHWC", "NCHW"。默认为"NHWC"。指定输入和输出数据的数据格式。使用默认格式"NHWC",数据存储顺序为:[batch, height, width, channels]。或者,格式可以是"NCHW",数据存储顺序为:[batch, channels, height, width]。 -
dilations长度为1,2或4的ints的 int 或列表,默认为 1。input的每个维度的膨胀因子。如果给定单个值,则会在H和W维度中复制它。默认情况下,N和C维度设置为 1。如果设置为 k > 1,则该维度上的每个过滤器元素之间将有 k-1 个跳过的单元格。维度顺序由data_format的值决定,详见上文。如果 4-d 张量必须为 1,则批量和深度维度的膨胀。 -
name操作的名称(可选)。 -
filters过滤器的别名。
返回
-
一个
Tensor。具有与input相同的类型。
给定一个形状为 [batch, in_height, in_width, in_channels] 的输入张量和一个形状为 [filter_height, filter_width, in_channels, out_channels] 的滤波器/内核张量,此操作执行以下操作:
- 将过滤器展平为具有形状的二维矩阵
[filter_height * filter_width * in_channels, output_channels]. - 从输入张量中提取图像块以形成形状的虚拟张量
[batch, out_height, out_width, filter_height * filter_width * in_channels]. - 对于每个补丁,right-multiplies 过滤器矩阵和图像补丁向量。
详细地说,使用默认的 NHWC 格式,
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]
必须有 strides[0] = strides[3] = 1 。对于相同水平和垂直步幅的最常见情况,strides = [1, stride, stride, 1]。
相关用法
- Python tf.compat.v1.nn.convolution用法及代码示例
- Python tf.compat.v1.nn.ctc_loss用法及代码示例
- Python tf.compat.v1.nn.static_rnn用法及代码示例
- Python tf.compat.v1.nn.sufficient_statistics用法及代码示例
- Python tf.compat.v1.nn.dynamic_rnn用法及代码示例
- Python tf.compat.v1.nn.embedding_lookup_sparse用法及代码示例
- Python tf.compat.v1.nn.separable_conv2d用法及代码示例
- Python tf.compat.v1.nn.depthwise_conv2d_native用法及代码示例
- Python tf.compat.v1.nn.weighted_cross_entropy_with_logits用法及代码示例
- Python tf.compat.v1.nn.depthwise_conv2d用法及代码示例
- Python tf.compat.v1.nn.safe_embedding_lookup_sparse用法及代码示例
- Python tf.compat.v1.nn.nce_loss用法及代码示例
- Python tf.compat.v1.nn.sampled_softmax_loss用法及代码示例
- Python tf.compat.v1.nn.pool用法及代码示例
- Python tf.compat.v1.nn.sigmoid_cross_entropy_with_logits用法及代码示例
- Python tf.compat.v1.nn.rnn_cell.MultiRNNCell用法及代码示例
- Python tf.compat.v1.nn.erosion2d用法及代码示例
- Python tf.compat.v1.nn.raw_rnn用法及代码示例
- Python tf.compat.v1.nn.dilation2d用法及代码示例
- Python tf.compat.v1.distributions.Multinomial.stddev用法及代码示例
注:本文由纯净天空筛选整理自tensorflow.org大神的英文原创作品 tf.compat.v1.nn.conv2d。非经特殊声明,原始代码版权归原作者所有,本译文未经允许或授权,请勿转载或复制。
