TensorFlow函數(shù)教程：tf.nn.depthwise_conv2d

tf.nn.depthwise_conv2d函數(shù)

tf.nn.depthwise_conv2d(
    input,
    filter,
    strides,
    padding,
    rate=None,
    name=None,
    data_format=None
)

定義在：tensorflow/python/ops/nn_impl.py.

請參閱指南：神經(jīng)網(wǎng)絡(luò)>卷積運算

深度 2-D 卷積.

給定4D輸入張量(數(shù)據(jù)格式為'NHWC'或'NCHW')和形狀為[filter_height, filter_width, in_channels, channel_multiplier]的濾波器張量,它包含深度為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通道擴(kuò)展到每個通道channel_multiplier),然后將結(jié)果連接在一起.輸出有in_channels * channel_multiplier個通道.

詳細(xì)地,

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]

必須有strides[0] = strides[3] = 1.對于相同水平和垂直步幅的最常見情況,strides = [1, stride, stride, 1].如果rate中的任何值大于1,我們執(zhí)行等值深度卷積,在這種情況下,strides張量中的所有值必須等于1.

參數(shù)：

• input：4-D,形狀根據(jù)data_format得出.
• filter：4-D,形狀為[filter_height, filter_width, in_channels, channel_multiplier].
• strides：1-D,大小為4,input每個尺寸的滑動窗口的步幅.
• padding：一個字符串,可以是'VALID'或者'SAME',填充算法.
• rate：1-D,大小為2；我們在等值卷積中在height和width維度上對輸入值進(jìn)行采樣的擴(kuò)張率.如果它大于1,則步幅的所有值必須為1.
• name：此操作的名稱(可選).
• data_format：輸入的數(shù)據(jù)格式,可以是“NHWC”(默認(rèn))或“NCHW”.

返回：

4-DTensor, 形狀工具data_format得到.例如,對于“NHWC”格式,形狀是[batch, out_height, out_width, in_channels * channel_multiplier].