TensorFlow函数：tf.nn.conv2d_backprop_filter

tf.nn.conv2d_backprop_filter函数

tf.nn.conv2d_backprop_filter(
    input,
    filter_sizes,
    out_backprop,
    strides,
    padding,
    use_cudnn_on_gpu=True,
    data_format='NHWC',
    dilations=[1, 1, 1, 1],
    name=None
)

定义在：tensorflow/python/ops/gen_nn_ops.py.

请参阅指南：神经网络>卷积运算

计算相对于滤波器的卷积梯度.

参数：

• input：一个Tensor,必须是下列类型之一：half,bfloat16,float32,float64,是4-D的,并且具有形状[batch, in_height, in_width, in_channels].
• filter_sizes：一个Tensor,类型为int32,表示filter张量形状的整数向量,其中filter是4-D [filter_height, filter_width, in_channels, out_channels]张量.
• out_backprop：一个Tensor,必须与input相同；4-D的,形状为[batch, out_height, out_width, out_channels],梯度与卷积的输出相关.
• strides：ints列表,对于卷积输入的每个维度,滑动窗口的步幅.必须与使用format指定的维度处于相同的顺序.
• padding：string,可以是："SAME", "VALID"；要使用的填充算法的类型.
• use_cudnn_on_gpu：bool,默认为True.
• data_format：string,可以是："NHWC", "NCHW",默认为"NHWC",指定输入和输出数据的数据格式；使用默认格式“NHWC”,数据按以下顺序存储：[batch,in_height,in_width,in_channels].或者,格式可以是“NCHW”,数据存储顺序为：[batch,in_channels,in_height,in_width].
• dilations：ints的可选列表,默认为[1, 1, 1, 1],长度为4的1-D张量,input每个维度的扩张系数,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data_format确定,详见上文.批次和深度维度的扩张必须为1.
• name：操作的名称(可选).

返回：

一个Tensor,与input有相同的类型.