Python tf.compat.v1.nn.depthwise_conv2d_native用法及代碼示例

計算二維深度卷積。

用法

tf.compat.v1.nn.depthwise_conv2d_native(
    input, filter, strides, padding, data_format='NHWC', dilations=[1, 1,
    1, 1], name=None
)

參數

input 一個Tensor。必須是以下類型之一：half , bfloat16 , float32 , float64。
filter 一個Tensor。必須與 input 具有相同的類型。
strides ints 的列表。長度為 4 的一維。input 的每個維度的滑動窗口的步幅。
padding 控製在應用卷積之前如何填充圖像。可以是字符串 "SAME" 或 "VALID" 指示要使用的填充算法的類型，或者是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。
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 ints 的可選列表。默認為 [1, 1, 1, 1] 。長度為 4 的一維張量。input 的每個維度的膨脹因子。如果設置為 k > 1，則在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。批量和深度維度中的膨脹必須為 1。
name 操作的名稱(可選)。

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, channel_multiplier] 的濾波器/內核張量，包含深度為 1 的 in_channels 卷積濾波器，depthwise_conv2d 對每個輸入通道應用不同的濾波器(從 1 個通道擴展到 channel_multiplier 個通道)，然後將結果連接在一起。因此，輸出具有in_channels * channel_multiplier 通道。

for k in 0..in_channels-1
  for q in 0..channel_multiplier-1
    output[b, i, j, k * channel_multiplier + q] =
      sum_{di, dj} input[b, strides[1] * i + di, strides[2] * j + dj, k] *
                        filter[di, dj, k, q]

必須有 strides[0] = strides[3] = 1 。對於相同水平和頂點步幅的最常見情況，strides = [1, stride, stride, 1]。

相關用法

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.depthwise_conv2d_native。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。

用法

參數

返回