Python tf.raw_ops.Conv2D用法及代碼示例

計算給定 4-D input 和 filter 張量的 2-D 卷積。

用法

tf.raw_ops.Conv2D(
    input, filter, strides, padding, use_cudnn_on_gpu=True, explicit_paddings=[],
    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 , int32。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 ints 的列表。長度為 4 的一維張量。input 的每個維度的滑動窗口的步幅。維度順序由 data_format 的值決定，詳見下文。
padding string 來自："SAME", "VALID", "EXPLICIT"。要使用的填充算法的類型。
use_cudnn_on_gpu 可選的 bool 。默認為 True 。
explicit_paddings ints 的可選列表。默認為 [] 。如果 padding 是 "EXPLICIT" ，則為顯式填充量列表。對於第 i 個維度，在維度之前和之後插入的填充量分別為 explicit_paddings[2 * i] 和 explicit_paddings[2 * i + 1] 。如果 padding 不是 "EXPLICIT" , explicit_paddings 必須為空。
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, 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.raw_ops.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。

用法

參數

返回