TensorFlow函数教程:tf.nn.conv3d_backprop_filter_v2

由 Carrie 创建, 最后一次修改 2018-12-13

tf.nn.conv3d_backprop_filter_v2函数

tf.nn.conv3d_backprop_filter_v2(
    input,
    filter_sizes,
    out_backprop,
    strides,
    padding,
    data_format='NDHWC',
    dilations=[1, 1, 1, 1, 1],
    name=None
)

请参阅指南:神经网络>卷积运算

计算相对于滤波器的3-D卷积的梯度.

参数:

  • input:一个Tensor,必须是下列类型之一:half,bfloat16,float32,float64,形状[batch, depth, rows, cols, in_channels].
  • filter_sizes:类型是int32的Tensor,用于表示filter的张量形状的整数向量,其中filter是5-D [filter_depth, filter_height, filter_width, in_channels, out_channels]张量.
  • out_backprop:一个Tensor,必须与input相同;Backprop信号的形状[batch, out_depth, out_rows, out_cols, out_channels].
  • strides:ints的列表,长度>= 5,长度为5的1-D张量,input每个维度的滑动窗口的步幅,必须有strides[0] = strides[4] = 1.
  • padding:string可以是:"SAME", "VALID",要使用的填充算法的类型.
  • data_format:可选的string,可以是:"NDHWC", "NCDHW".默认为"NDHWC";输入和输出数据的数据格式;使用默认格式“NDHWC”,数据按以下顺序存储:[batch,in_depth,in_height,in_width,in_channels];或者,格式可以是“NCDHW”,数据存储顺序是:[batch,in_channels,in_depth,in_height,in_width].
  • dilations:ints的可选列表,默认为[1, 1, 1, 1, 1];长度为5的1-D张量,input每个维度的膨胀系数;如果设置为k> 1,则该维度上的每个滤镜元素之间将有k-1个跳过的单元格;维度顺序由值确定data_format,批次和深度尺寸的扩张必须为1.
  • name:操作的名称(可选).

返回:

一个Tensor,与input有相同的类型.

以上内容是否对您有帮助:

二维码
建议反馈
二维码