tf.nn.depthwise_conv2d_native_backprop_input函数

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

计算相对于输入的深度卷积的梯度.

参数：

• input_sizes：一个int32类型的Tensor.一个整数向量,表示input的shape,它是基于data_format的.例如,如果data_format是'NHWC',则input是 4-D [batch, height, width, channels]张量.
• filter：一个4-DTensor,必须是下列类型之一：half,bfloat16,float32,float64, shape为[filter_height, filter_width, in_channels, depthwise_multiplier].
• out_backprop：一个4-DTensor,必须与filter具有相同类型,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].梯度与卷积的输出相关.
• strides：列表ints的列表,对于卷积输入的每个维度,滑动窗口的步幅.
• 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："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, height, width, channels].或者,格式可以是“NCHW”,数据存储顺序为：[batch, channels, height, 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,则该维度上的每个过滤器元素之间将有k-1个跳过的单元格.维度顺序由值data_format确定.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filter具有相同的类型.