TensorFlow函數(shù):tf.nn.atrous_conv2d_transpose

2019-01-31 11:29 更新

tf.nn.atrous_conv2d_transpose函數(shù)

tf.nn.atrous_conv2d_transpose(
    value,
    filters,
    output_shape,
    rate,
    padding,
    name=None
)

定義在:tensorflow/python/ops/nn_ops.py.

請(qǐng)參閱指南:神經(jīng)網(wǎng)絡(luò)>卷積運(yùn)算

atrous_conv2d的轉(zhuǎn)置.

在Deconvolutional Networks之后,此操作有時(shí)稱(chēng)為“反卷積” ,但實(shí)際上是atrous_conv2d的轉(zhuǎn)置(漸變)而不是實(shí)際的反卷積.

參數(shù):

  • value:類(lèi)型為float的4-D Tensor,它需要采用默認(rèn)NHWC格式,它的形狀是[batch, in_height, in_width, in_channels].
  • filters:與value具有相同類(lèi)型,并且形狀為[filter_height, filter_width, out_channels, in_channels]的4-D Tensor.filters' in_channels維度必須匹配value.Atrous卷積等效于具有有效高度f(wàn)ilter_height + (filter_height - 1) * (rate - 1)和有效寬度f(wàn)ilter_width + (filter_width - 1) * (rate - 1)的上采樣濾波器的標(biāo)準(zhǔn)卷積,通過(guò)在filters空間維度上沿著連續(xù)元素插入rate - 1零來(lái)產(chǎn)生.
  • output_shape:表示反卷積操作的輸出形狀的1-D Tensor.
  • rate:正的int32,我們?cè)谡麄€(gè)height和width維度上對(duì)輸入值進(jìn)行采樣的步幅.等效地,我們通過(guò)在height和width維度上插入零來(lái)上采樣濾波器值的速率.在文獻(xiàn)中,相同的參數(shù)有時(shí)稱(chēng)為input stride或dilation.
  • padding:一個(gè)字符串,'VALID'或者'SAME'.填充算法.
  • name:返回張量的可選名稱(chēng).

返回:

與value具有相同類(lèi)型的Tensor.

可能引發(fā)的異常:

  • ValueError:如果輸入/輸出深度與filters'shape不匹配,或者padding不是'VALID'或者'SAME',或者如果rate小于1,或者output_shape不是具有4個(gè)元素的張量.
以上內(nèi)容是否對(duì)您有幫助:
在線筆記
App下載
App下載

掃描二維碼

下載編程獅App

公眾號(hào)
微信公眾號(hào)

編程獅公眾號(hào)