tf.nn.depthwise_conv2d 卷积
2024-09-07 11:18:37
tf.nn.depthwise_conv2d(
input,
filter,
strides,
padding,
rate=None,
name=None,
data_format=None
)
参数:
input:4-D,形状根据data_format得出
filter:4-D,形状为[filter_height, filter_width, in_channels, channel_multiplier]
strides:1-D,大小为4,input每个尺寸的滑动窗口的步幅
padding:一个字符串,可以是'VALID'或者'SAME',填充算法
rate:1-D,大小为2;我们在等值卷积中在height和width维度上对输入值进行采样的扩张率.如果它大于1,则步幅的所有值必须为1
name:此操作的名称(可选).
data_format:输入的数据格式,可以是“NHWC”(默认)或“NCHW”
返回:
4-DTensor, 形状工具data_format得到.例如,对于“NHWC”格式,形状是[batch, out_height, out_width, in_channels * channel_multiplier]
深度 2-D 卷积.
给定4D输入张量(数据格式为'NHWC'或'NCHW')和形状为[filter_height, filter_width, in_channels, channel_multiplier]的滤波器张量,
它包含深度为1的in_channels卷积滤波器,depthwise_conv2d对每个输入通道应用不同的滤波器(从1通道扩展到每个通道channel_multiplier),
然后将结果连接在一起.输出有in_channels * channel_multiplier个通道.
必须有strides[0] = strides[3] = 1.对于相同水平和垂直步幅的最常见情况,strides = [1, stride, stride, 1].
如果rate中的任何值大于1,我们执行等值深度卷积,在这种情况下,strides张量中的所有值必须等于1.
output[b, i, j, k * channel_multiplier + q] = sum_{di, dj}
filter[di, dj, k, q] * input[b, strides[1] * i + rate[0] * di,strides[2] * j + rate[1] * dj, k]
最新文章
- Topshelf 支持Mono 扩展Topshelf.Linux
- mysql binlog_row_image的选择
- Cloudera5.8.3 HBase1.2.0开发必须的jar包
- Iwpriv工作流程及常用命令使用之二
- Apache的RewriteRule规则详细介绍
- BZOJ1271: [BeiJingWc2008]秦腾与教学评估
- 网页被Chrome识别成英语,区域,语言,网站
- Android之日期及时间选择对话框
- Windows去掉桌面SVN文件或文件夹问号
- vijos1060 隔板法
- SSM整合案例(Spring+Struts+Mybatis)
- nginx搭建rtmp协议流媒体服务器总结
- c++项目范例
- 使用 MapTiler 进行地图切片
- 20175305张天钰《java程序设计》第八周学习总结
- Java自定义异常类以及异常拦截器
- iis7.0 win7如何修改默认iis端口号
- ubuntu16.04 安装最新版nodejs
- 雷林鹏分享:jQuery EasyUI 窗口 - 创建简单窗口
- 界面控件DevExpress发布v18.2.5|附下载
热门文章
- [Java网络安全系列面试题]常见web攻击有哪些?
- HTTP 错误 500.21 模块	IIS Web Core
- Java基础语法(4)-流程控制
- Attention-based Extraction of Structured Information from Street View Imagery:基于注意力的街景图像提取结构化信息
- 震惊!程序员的福音!不需要敲代码就能完成复杂的逻辑应用? —— Azure Logic App
- C# 基础知识系列-7 Linq详解
- JavaScript的URLSearchParams方法
- [noip2012]国王游戏<;贪心+高精度>;
- Python第三方包之pretty-errors
- css过渡和2d详解及案例