TensorFlow函數教程：tf.nn.depthwise_conv2d_native_backprop_input

tf.nn.depthwise_conv2d_native_backprop_input函數

tf.nn.depthwise_conv2d_native_backprop_input(
    input_sizes,
    filter,
    out_backprop,
    strides,
    padding,
    data_format='NHWC',
    dilations=[1, 1, 1, 1],
    name=None
)

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

請參閱指南：神經網絡>卷積運算

計算相對于輸入的深度卷積的梯度.

參數：

• input_sizes：一個int32類型的Tensor.一個整數向量,表示input的shape,它是基于data_format的.例如,如果data_format是'NHWC',則input是 4-D [batch, height, width, channels]張量.
• filter：一個4-DTensor,必須是下列類型之一：half,bfloat16,float32,float64, shape為[filter_height, filter_width, in_channels, depthwise_multiplier].
• out_backprop：一個4-DTensor,必須與filter具有相同類型,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].梯度與卷積的輸出相關.
• strides：列表ints的列表,對于卷積輸入的每個維度,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",默認為"NHWC".指定輸入和輸出數據的數據格式.使用默認格式“NHWC”,數據按以下順序存儲：[batch, height, width, channels].或者,格式可以是“NCHW”,數據存儲順序為：[batch, channels, height, 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.如果設置為k> 1,則該維度上的每個過濾器元素之間將有k-1個跳過的單元格.維度順序由值data_format確定.批次和深度維度的擴張必須為1.
• name：操作的名稱(可選).

返回：

一個Tensor,與filter具有相同的類型.