TensorFlow函數(shù)教程：tf.nn.depthwise_conv2d_native

tf.nn.depthwise_conv2d_native函數(shù)

tf.nn.depthwise_conv2d_native(
    input,
    filter,
    strides,
    padding,
    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(luò)>卷積運算

在給定 4-Dinput和filter張量的情況下計算 2-D 深度卷積.

給定的輸入張量的形狀為[batch, in_height, in_width, in_channels],濾波器/內(nèi)核張量的形狀為[filter_height, filter_width, in_channels, channel_multiplier],包含深度為1的in_channels卷積濾波器,depthwise_conv2d對每個輸入通道應(yīng)用不同的濾波器(從1個通道擴展到每個通道channel_multiplier),然后將結(jié)果連接在一起.因此,輸出具有in_channels * channel_multiplier個通道.

for k in 0..in_channels-1
  for q in 0..channel_multiplier-1
    output[b, i, j, k * channel_multiplier + q] =
      sum_{di, dj} input[b, strides[1] * i + di, strides[2] * j + dj, k] *
                        filter[di, dj, k, q]

必須有strides[0] = strides[3] = 1.對于相同水平和頂點步幅的最常見情況是：strides = [1, stride, stride, 1].

參數(shù)：

• input：一個Tensor,必須是下列類型之一：half,bfloat16,float32,float64.
• filter：一個Tensor,必須與input具有相同類型.
• strides：ints列表,長度為4的1-D,input每個維度的滑動窗口的步幅.
• padding：string,可以是："SAME", "VALID".要使用的填充算法的類型.
• data_format：可選的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, height, width, channels]；或者,格式可以是“NCHW”,數(shù)據(jù)存儲順序為：[batch, channels, height, width].
• dilations：ints的可選列表,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.維度順序由值data_format確定.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input有相同的類型.