インテル® DAAL 2018 デベロッパー・ガイド
バックワード 2 次元畳み込み層の入力は次のとおりです。入力 ID をパラメーターとして、アルゴリズムの入力を提供するメソッドに渡します。詳細は、「アルゴリズム」を参照してください。
入力 ID |
入力 |
|
---|---|---|
inputGradient |
前の層で計算された入力勾配を格納するサイズ n1 x nKernels x l3 x l4 のテンソル G のポインター。この入力は、Tensor の派生クラスのオブジェクトです。 |
|
inputFromForward |
バックワード 2 次元畳み込み層に必要な入力データのコレクション。Tensor の派生クラスのオブジェクトをコレクションに含めることができます。 | |
要素 ID |
要素 |
|
auxData |
フォワード 2 次元畳み込み層の入力データを格納するサイズ n1 × n2 × n3 × n4 のテンソル X のポインター。この入力は、Tensor の派生クラスのオブジェクトです。 |
|
auxWeights |
カーネルの重みのセットを格納するサイズ nKernels × m2 × m3 × m4 のテンソル K のポインター。この入力は、Tensor の派生クラスのオブジェクトです。 |
ニューラル・ネットワーク層の共通パラメーターは、「共通パラメーター」を参照してください。
共通パラメーターに加えて、バックワード 2 次元畳み込み層には次のパラメーターがあります。
パラメーター |
デフォルト値 |
説明 |
|
---|---|---|---|
algorithmFPType |
float |
アルゴリズムが中間計算に使用する浮動小数点の型。float または double を指定できます。 |
|
method |
defaultDense |
パフォーマンス指向の計算メソッド。層でサポートされている唯一のメソッドです。 |
|
kernelSizes |
KernelSizes(2, 2) |
2 次元のカーネル・サブテンソルのサイズ mi, i ∈ {3, 4} を表すデータ構造。 |
|
indices |
Indices(2,3) |
畳み込みカーネルを適用する次元を表すデータ構造。 |
|
strides |
Strides(2, 2) |
カーネルが入力に適用する区間 si, i ∈ {3, 4} を表すデータ構造。 |
|
paddings |
Paddings(0, 0) |
フォワード 2 次元畳み込みを実行する 2 次元のサブテンソルの各サイドに暗黙的に追加するデータ要素 pi, i ∈ {3, 4} の数を表すデータ構造。 |
|
nKernels |
適用不可 |
入力層データに適用するカーネルの数。 |
|
groupDimension |
1 |
グループを適用する次元。 |
|
nGroups |
1 |
次元 groupDimension で入力データが分割されるグループの数。 |
|
propagateGradient |
false |
バックワード層が勾配を伝播するかどうかを指定するフラグ。 |
バックワード 2 次元畳み込み層は次の結果を計算します。結果 ID をパラメーターとして、アルゴリズムの結果にアクセスするメソッドに渡します。詳細は、「アルゴリズム」を参照してください。
結果 ID |
結果 |
|
---|---|---|
gradient |
バックワード 2 次元畳み込み層の結果を格納するサイズ n1 × n2 × n3 × n4 のテンソル Z のポインター。この結果は、Tensor の派生クラスのオブジェクトです。 |
|
weightDerivatives |
バックワード 2 次元畳み込み層の結果 ∂Ε /∂krcuv を格納するサイズ nKernels × m2 × m3 × m4 のテンソルのポインター。ここで、r = {0, ..., nKernels - 1}, c = {0, ..., m2 - 1}, u = {0, ..., m3 - 1}, v = {0, ..., m4 - 1}。この結果は、Tensor の派生クラスのオブジェクトです。 |
|
biasDerivatives |
バックワード 2 次元畳み込み層の結果 ∂Ε / ∂br を格納するサイズ nKernels のテンソルのポインター。ここで、r = {0, ..., nKernels - 1}。この結果は、Tensor の派生クラスのオブジェクトです。 |
C++: conv2d_layer_dense_batch.cpp
Java*: Conv2DLayerDenseBatch.java
Python*: conv2d_layer_dense_batch.py