TensorFlow函數(shù)：tf.nn.conv2d_backprop_input

tf.nn.conv2d_backprop_input函數(shù)

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
)

請參閱指南：神經(jīng)網(wǎng)絡(luò)>卷積運算

計算相對于輸入的卷積梯度.

參數(shù)：

• input_sizes：一個int32類型的Tensor,表示input形狀的整數(shù)向量,其中input是4-D [batch, height, width, channels]張量.
• filter：一個Tensor,必須是下列類型之一：half,bfloat16,float32,float64,是4-D維的,并且形狀為[filter_height, filter_width, in_channels, out_channels].
• out_backprop：一個Tensor,必須與filter相同,是4-D的,且形狀為[batch, out_height, out_width, out_channels],梯度與卷積的輸出相關(guān).
• 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(rèn)為True.
• data_format：string,可以是："NHWC", "NCHW".默認(rèn)為"NHWC",指定輸入和輸出數(shù)據(jù)的數(shù)據(jù)格式,使用默認(rèn)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：可選列表ints,默認(rèn)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(shè)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data_format值確定,詳見上文；批次和深度尺寸的擴張必須為1.
• name：操作的名稱(可選).

返回：

一個Tensor,與filter有相同的類型.