計算給定 4-D input 和 filter 張量的 2-D 卷積。
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
)參數
-
input一個Tensor。必須是以下類型之一:half,bfloat16,float32,float64。一個 4-D 張量。維度順序根據data_format的值進行解釋,詳見下文。 -
filter一個Tensor。必須與input具有相同的類型。形狀為[filter_height, filter_width, in_channels, out_channels]的 4-D 張量 -
strides長度為1,2或4的ints的 int 或列表。input的每個維度的滑動窗口的步幅。如果給定單個值,則會在H和W維度中複製它。默認情況下,N和C維度設置為 1。維度順序由data_format的值確定,詳情請參見下文。 -
paddingstring"SAME"或"VALID"指示要使用的填充算法的類型,或者指示每個維度開始和結束處的顯式填充的列表。當使用顯式填充且 data_format 為"NHWC"時,應采用[[0, 0], [pad_top, pad_bottom], [pad_left, pad_right], [0, 0]]的形式。當使用顯式填充且 data_format 為"NCHW"時,應采用[[0, 0], [0, 0], [pad_top, pad_bottom], [pad_left, pad_right]]的形式。 -
use_cudnn_on_gpu可選的bool。默認為True。 -
data_format一個可選的string來自:"NHWC", "NCHW"。默認為"NHWC"。指定輸入和輸出數據的數據格式。使用默認格式"NHWC",數據存儲順序為:[batch, height, width, channels]。或者,格式可以是"NCHW",數據存儲順序為:[batch, channels, height, width]。 -
dilations長度為1,2或4的ints的 int 或列表,默認為 1。input的每個維度的膨脹因子。如果給定單個值,則會在H和W維度中複製它。默認情況下,N和C維度設置為 1。如果設置為 k > 1,則該維度上的每個過濾器元素之間將有 k-1 個跳過的單元格。維度順序由data_format的值決定,詳見上文。如果 4-d 張量必須為 1,則批量和深度維度的膨脹。 -
name操作的名稱(可選)。 -
filters過濾器的別名。
返回
-
一個
Tensor。具有與input相同的類型。
給定一個形狀為 [batch, in_height, in_width, in_channels] 的輸入張量和一個形狀為 [filter_height, filter_width, in_channels, out_channels] 的濾波器/內核張量,此操作執行以下操作:
- 將過濾器展平為具有形狀的二維矩陣
[filter_height * filter_width * in_channels, output_channels]. - 從輸入張量中提取圖像塊以形成形狀的虛擬張量
[batch, out_height, out_width, filter_height * filter_width * in_channels]. - 對於每個補丁,right-multiplies 過濾器矩陣和圖像補丁向量。
詳細地說,使用默認的 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]
必須有 strides[0] = strides[3] = 1 。對於相同水平和垂直步幅的最常見情況,strides = [1, stride, stride, 1]。
相關用法
- Python tf.compat.v1.nn.convolution用法及代碼示例
- Python tf.compat.v1.nn.ctc_loss用法及代碼示例
- Python tf.compat.v1.nn.static_rnn用法及代碼示例
- Python tf.compat.v1.nn.sufficient_statistics用法及代碼示例
- Python tf.compat.v1.nn.dynamic_rnn用法及代碼示例
- Python tf.compat.v1.nn.embedding_lookup_sparse用法及代碼示例
- Python tf.compat.v1.nn.separable_conv2d用法及代碼示例
- Python tf.compat.v1.nn.depthwise_conv2d_native用法及代碼示例
- Python tf.compat.v1.nn.weighted_cross_entropy_with_logits用法及代碼示例
- Python tf.compat.v1.nn.depthwise_conv2d用法及代碼示例
- Python tf.compat.v1.nn.safe_embedding_lookup_sparse用法及代碼示例
- Python tf.compat.v1.nn.nce_loss用法及代碼示例
- Python tf.compat.v1.nn.sampled_softmax_loss用法及代碼示例
- Python tf.compat.v1.nn.pool用法及代碼示例
- Python tf.compat.v1.nn.sigmoid_cross_entropy_with_logits用法及代碼示例
- Python tf.compat.v1.nn.rnn_cell.MultiRNNCell用法及代碼示例
- Python tf.compat.v1.nn.erosion2d用法及代碼示例
- Python tf.compat.v1.nn.raw_rnn用法及代碼示例
- Python tf.compat.v1.nn.dilation2d用法及代碼示例
- Python tf.compat.v1.distributions.Multinomial.stddev用法及代碼示例
注:本文由純淨天空篩選整理自tensorflow.org大神的英文原創作品 tf.compat.v1.nn.conv2d。非經特殊聲明,原始代碼版權歸原作者所有,本譯文未經允許或授權,請勿轉載或複製。
