TensorFlow函数:tf.nn.conv2d_backprop_input
2019-01-31 13:44 更新
tf.nn.conv2d_backprop_input函数
tf.nn.conv2d_backprop_input(
input_sizes,
filter,
out_backprop,
strides,
padding,
use_cudnn_on_gpu=True,
data_format='NHWC',
dilations=[1, 1, 1, 1],
name=None
)
请参阅指南:神经网络>卷积运算
计算相对于输入的卷积梯度.
参数:
- input_sizes:一个int32类型的Tensor,表示input形状的整数向量,其中input是4-D [batch, height, width, channels]张量.
- filter:一个Tensor,必须是下列类型之一:half,bfloat16,float32,float64,是4-D维的,并且形状为[filter_height, filter_width, in_channels, out_channels].
- out_backprop:一个Tensor,必须与filter相同,是4-D的,且形状为[batch, out_height, out_width, out_channels],梯度与卷积的输出相关.
- strides:ints列表,对于卷积输入的每个维度,滑动窗口的步幅,必须与使用format指定的维度处于相同的顺序.
- padding:string,可以是:"SAME", "VALID",要使用的填充算法的类型.
- use_cudnn_on_gpu:bool,默认为True.
- data_format:string,可以是:"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”,数据按以下顺序存储:[batch,in_height,in_width,in_channels].或者,格式可以是“NCHW”,数据存储顺序为:[batch,in_channels,in_height,in_width].
- dilations:可选列表ints,默认为[1, 1, 1, 1],长度为4的1-D张量,input每个维度的扩张系数;如果设置为k> 1,则该维度上的每个滤镜元素之间将有k-1个跳过的单元格;维度顺序由data_format值确定,详见上文;批次和深度尺寸的扩张必须为1.
- name:操作的名称(可选).
返回:
一个Tensor,与filter有相同的类型.