TensorFlow函數(shù)：tf.nn.conv2d_backprop_filter

tf.nn.conv2d_backprop_filter函數(shù)

tf.nn.conv2d_backprop_filter(
    input,
    filter_sizes,
    out_backprop,
    strides,
    padding,
    use_cudnn_on_gpu=True,
    data_format='NHWC',
    dilations=[1, 1, 1, 1],
    name=None
)

定義在：tensorflow/python/ops/gen_nn_ops.py.

請參閱指南：神經(jīng)網(wǎng)絡>卷積運算

計算相對于濾波器的卷積梯度.

參數(shù)：

• input：一個Tensor,必須是下列類型之一：half,bfloat16,float32,float64,是4-D的,并且具有形狀[batch, in_height, in_width, in_channels].
• filter_sizes：一個Tensor,類型為int32,表示filter張量形狀的整數(shù)向量,其中filter是4-D [filter_height, filter_width, in_channels, out_channels]張量.
• out_backprop：一個Tensor,必須與input相同；4-D的,形狀為[batch, out_height, out_width, out_channels],梯度與卷積的輸出相關.
• strides：ints列表,對于卷積輸入的每個維度,滑動窗口的步幅.必須與使用format指定的維度處于相同的順序.
• padding：string,可以是："SAME", "VALID"；要使用的填充算法的類型.
• use_cudnn_on_gpu：bool,默認為True.
• data_format：string,可以是："NHWC", "NCHW",默認為"NHWC",指定輸入和輸出數(shù)據(jù)的數(shù)據(jù)格式；使用默認格式“NHWC”,數(shù)據(jù)按以下順序存儲：[batch,in_height,in_width,in_channels].或者,格式可以是“NCHW”,數(shù)據(jù)存儲順序為：[batch,in_channels,in_height,in_width].
• dilations：ints的可選列表,默認為[1, 1, 1, 1],長度為4的1-D張量,input每個維度的擴張系數(shù),如果設置為k> 1,則該維度上的每個濾鏡元素之間將有k-1個跳過的單元格.維度順序由值data_format確定,詳見上文.批次和深度維度的擴張必須為1.
• name：操作的名稱(可選).

返回：

一個Tensor,與input有相同的類型.