BatchToSpace برای تانسورهای 4 بعدی از نوع T.
این یک نسخه قدیمی از BatchToSpaceND عمومی تر است.
دادهها را از دستهای به بلوکهایی از دادههای مکانی بازآرایی میکند و سپس برش را انجام میدهد. این تبدیل معکوس SpaceToBatch است. به طور خاص، این عملیات یک کپی از تانسور ورودی را به دست میدهد که در آن مقادیر از بعد «بعدی» در بلوکهای فضایی به ابعاد «ارتفاع» و «عرض» منتقل میشوند و به دنبال آن برش در امتداد ابعاد «ارتفاع» و «عرض» انجام میشود.
روش های عمومی
خروجی <T> | asOutput () دسته نمادین یک تانسور را برمیگرداند. |
شخص <T، U گسترش تعداد> BatchToSpace <T> | |
خروجی <T> | خروجی () 4-بعدی با شکل «[دسته، ارتفاع، عرض، عمق]»، که در آن: ارتفاع = ارتفاع_پد - برش_بالا - عرض برش_پایین = پهنای_پد - برش_چپ - برش_راست attr `block_size` باید بزرگتر از یک باشد. |
روش های ارثی
روش های عمومی
عمومی خروجی <T> asOutput ()
دسته نمادین یک تانسور را برمیگرداند.
ورودی های عملیات TensorFlow خروجی های عملیات تنسورفلو دیگر هستند. این روش برای به دست آوردن یک دسته نمادین که نشان دهنده محاسبه ورودی است استفاده می شود.
عمومی استاتیک BatchToSpace <T> ایجاد ( محدوده دامنه، عملوند <T> ورودی، عملوند <U> محصولات زراعی، لانگ blockSize)
روش Factory برای ایجاد کلاسی که یک عملیات BatchToSpace جدید را بسته بندی می کند.
مولفه های
محدوده | محدوده فعلی |
---|---|
ورودی | تانسور 4-D با شکل `[دسته ای block_size block_size، height_pad / block_size، width_pad / block_size، عمق]`. توجه داشته باشید که اندازه دسته ای تانسور ورودی باید بر «اندازه_block * اندازه_بلاک» تقسیم شود. |
محصولات زراعی | تانسور دو بعدی اعداد صحیح غیر منفی با شکل «[2، 2]». مشخص می کند که چند عنصر از نتیجه میانی در ابعاد فضایی به صورت زیر برش داده شود: محصولات زراعی = [[crop_top، crop_bottom]، [crop_left، crop_right]] |
برمی گرداند
- یک نمونه جدید از BatchToSpace
عمومی خروجی <T> خروجی ()
4-بعدی با شکل «[دسته، ارتفاع، عرض، عمق]»، که در آن:
ارتفاع = ارتفاع_پد - برش_بالا - عرض برش_پایین = پهنای_پد - برش_چپ - برش_راست
attr `block_size` باید بزرگتر از یک باشد. اندازه بلوک را نشان می دهد.
چند نمونه:
(1) برای از ورودی های زیر شکل `[4، 1، 1، 1]` و block_size از 2:
[[[[1]]], [[[2]]], [[[3]]], [[[4]]]]
تانسور خروجی شکل `[1، 2، 2، 1]` و ارزش: x = [[[[1], [2]], [[3], [4]]]]
(2) برای از ورودی های زیر شکل `[4، 1، 1، 3]` و block_size از 2: [[[[1, 2, 3]]], [[[4, 5, 6]]], [[[7, 8, 9]]], [[[10, 11, 12]]]]
تانسور خروجی شکل `[1، 2، 2، 3]` و ارزش: x = [[[[1, 2, 3], [4, 5, 6]],
[[7, 8, 9], [10, 11, 12]]]]
(3) برای از ورودی های زیر شکل `[4، 2، 2، 1]` و block_size از 2: x = [[[[1], [3]], [[9], [11]]],
[[[2], [4]], [[10], [12]]],
[[[5], [7]], [[13], [15]]],
[[[6], [8]], [[14], [16]]]]
تانسور خروجی شکل `[1، 4، 4، 1]` و ارزش: x = [[[[1], [2], [3], [4]],
[[5], [6], [7], [8]],
[[9], [10], [11], [12]],
[[13], [14], [15], [16]]]]
(4) برای ورودی زیر شکل `[8، 1، 2، 1]` و block_size از 2: x = [[[[1], [3]]], [[[9], [11]]], [[[2], [4]]], [[[10], [12]]],
[[[5], [7]]], [[[13], [15]]], [[[6], [8]]], [[[14], [16]]]]
تانسور خروجی شکل `[2، 2، 4، 1]` و ارزش: x = [[[[1], [3]], [[5], [7]]],
[[[2], [4]], [[10], [12]]],
[[[5], [7]], [[13], [15]]],
[[[6], [8]], [[14], [16]]]]