TensorFlow函数教程:tf.nn.depthwise_conv2d_native_backprop_input
2019-01-31 13:46 更新
tf.nn.depthwise_conv2d_native_backprop_input函数
tf.nn.depthwise_conv2d_native_backprop_input(
input_sizes,
filter,
out_backprop,
strides,
padding,
data_format='NHWC',
dilations=[1, 1, 1, 1],
name=None
)
定义在:tensorflow/python/ops/gen_nn_ops.py.
请参阅指南:神经网络>卷积运算
计算相对于输入的深度卷积的梯度.
参数:
input_sizes
:一个int32
类型的Tensor
.一个整数向量,表示input
的shape,它是基于data_format
的.例如,如果data_format
是'NHWC',则input
是 4-D[batch, height, width, channels]
张量.filter
:一个4-DTensor
,必须是下列类型之一:half
,bfloat16
,float32
,float64
, shape为[filter_height, filter_width, in_channels, depthwise_multiplier]
.out_backprop
:一个4-DTensor
,必须与filter
具有相同类型,shape是基于data_format
的.例如,如果data_format
是'NHWC',那么out_backprop的shape是[batch, out_height, out_width, out_channels]
.梯度与卷积的输出相关.strides
:列表ints
的列表,对于卷积输入的每个维度,滑动窗口的步幅.padding
:string
,可以是:"SAME", "VALID"
.要使用的填充算法的类型.data_format
:可选的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, height, width, channels].或者,格式可以是“NCHW”,数据存储顺序为:[batch, channels, height, width].dilations
:ints
的可选列表,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,则该维度上的每个过滤器元素之间将有k-1个跳过的单元格.维度顺序由值data_format
确定.批次和深度维度的扩张必须为1.name
:操作的名称(可选).
返回:
一个Tensor
,与filter
具有相同的类型.