BatchToSpace

כיתת גמר ציבורית BatchToSpace

BatchToSpace עבור טנסור 4-D מסוג T.

זוהי גרסה מדור קודם של BatchToSpaceND הכללית יותר.

מסדר מחדש (מחליף) נתונים מאצווה לבלוקים של נתונים מרחביים, ולאחר מכן חיתוך. זהו הטרנספורמציה ההפוכה של SpaceToBatch. ליתר דיוק, אופציה זו מוציאה עותק של טנסור הקלט שבו ערכים מממד 'אצווה' מועברים בבלוקים מרחביים לממדים 'גובה' ו-'רוחב', ולאחר מכן חיתוך לאורך הממדים 'גובה' ו'רוחב'.

שיטות ציבוריות

פלט <T>
asOutput ()
מחזירה את הידית הסמלית של טנזור.
סטטי <T, U מרחיב מספר> BatchToSpace <T>
ליצור (היקף היקף , קלט Operand <T>, חיתוך אופרנד <U>, גודל בלוק ארוך)
שיטת מפעל ליצירת מחלקה העוטפת פעולת BatchToSpace חדשה.
פלט <T>
פלט ()
4-D עם צורה `[אצווה, גובה, רוחב, עומק]`, כאשר:

height = height_pad - crop_top - crop_bottom width = width_pad - crop_left - crop_right

ה-attr `block_size` חייב להיות גדול מאחד.

שיטות בירושה

שיטות ציבוריות

פלט ציבורי <T> asOutput ()

מחזירה את הידית הסמלית של טנזור.

כניסות לפעולות TensorFlow הן יציאות של פעולת TensorFlow אחרת. שיטה זו משמשת להשגת ידית סמלית המייצגת את חישוב הקלט.

יצירת BatchToSpace <T> סטטית ציבורית ( scope scope, Operand <T> קלט, Operand <U> crops, Long blockSize)

שיטת מפעל ליצירת מחלקה העוטפת פעולת BatchToSpace חדשה.

פרמטרים
תְחוּם ההיקף הנוכחי
קֶלֶט טנזור 4-D עם צורה `[ חבילת_גודל_גוש_גודל , גובה_פד/גודל_גוש, רוחב_משטח/גודל_גוש, עומק]`. שים לב שגודל האצווה של טנסור הקלט חייב להיות מתחלק ב-'block_size * block_size'.
יבולים טנסור דו-ממדי של מספרים שלמים לא שליליים עם צורה `[2, 2]`. הוא מציין כמה אלמנטים לחתוך מתוצאת הביניים על פני הממדים המרחביים באופן הבא:

crops = [[crop_top, crop_bottom], [crop_left, crop_right]]

החזרות
  • מופע חדש של BatchToSpace

פלט ציבורי <T> פלט ()

4-D עם צורה `[אצווה, גובה, רוחב, עומק]`, כאשר:

height = height_pad - crop_top - crop_bottom width = width_pad - crop_left - crop_right

ה-attr `block_size` חייב להיות גדול מאחד. זה מציין את גודל הבלוק.

כמה דוגמאות:

(1) עבור הקלט הבא של צורה `[4, 1, 1, 1]` ו-block_size של 2:

[[[[1]]], [[[2]]], [[[3]]], [[[4]]]]
 
לטנזור הפלט יש צורה `[1, 2, 2, 1]` וערך:
x = [[[[1], [2]], [[3], [4]]]]
 
(2) עבור הקלט הבא של צורה `[4, 1, 1, 3]` ו-block_size של 2:
[[[[1, 2, 3]]], [[[4, 5, 6]]], [[[7, 8, 9]]], [[[10, 11, 12]]]]
 
לטנזור הפלט יש צורה `[1, 2, 2, 3]` וערך:
x = [[[[1, 2, 3], [4, 5, 6]],
       [[7, 8, 9], [10, 11, 12]]]]
 
(3) עבור הקלט הבא של צורה `[4, 2, 2, 1]` ו-block_size של 2:
x = [[[[1], [3]], [[9], [11]]],
      [[[2], [4]], [[10], [12]]],
      [[[5], [7]], [[13], [15]]],
      [[[6], [8]], [[14], [16]]]]
 
לטנזור הפלט יש צורה `[1, 4, 4, 1]` וערך:
x = [[[[1],   [2],  [3],  [4]],
      [[5],   [6],  [7],  [8]],
      [[9],  [10], [11],  [12]],
      [[13], [14], [15],  [16]]]]
 
(4) עבור הקלט הבא של צורה `[8, 1, 2, 1]` ו-block_size של 2:
x = [[[[1], [3]]], [[[9], [11]]], [[[2], [4]]], [[[10], [12]]],
      [[[5], [7]]], [[[13], [15]]], [[[6], [8]]], [[[14], [16]]]]
 
לטנזור הפלט יש צורה `[2, 2, 4, 1]` וערך:
x = [[[[1], [3]], [[5], [7]]],
      [[[2], [4]], [[10], [12]]],
      [[[5], [7]], [[13], [15]]],
      [[[6], [8]], [[14], [16]]]]