BatchToSpaceNd

clase final pública BatchToSpaceNd

BatchToSpace para tensores ND de tipo T.

Esta operación reforma la dimensión del "lote" 0 en dimensiones `M + 1` de forma `block_shape + [batch]`, entrelaza estos bloques nuevamente en la cuadrícula definida por las dimensiones espaciales `[1,..., M]`, para obtener un resultado con el mismo rango que la entrada. Las dimensiones espaciales de este resultado intermedio se recortan opcionalmente según "recortes" para producir el resultado. Esto es lo contrario de SpaceToBatch. Consulte a continuación para obtener una descripción precisa.

Métodos públicos

Salida <T>
como salida ()
Devuelve el identificador simbólico de un tensor.
estático <T, U extiende el número, V extiende el número> BatchToSpaceNd <T>
crear (ámbito de alcance , entrada de operando <T>, forma de bloque de operando <U>, cultivos de operando <V>)
Método de fábrica para crear una clase que envuelve una nueva operación BatchToSpaceNd.
Salida <T>
producción ()

Métodos heredados

Métodos públicos

Salida pública <T> como Salida ()

Devuelve el identificador simbólico de un tensor.

Las entradas a las operaciones de TensorFlow son salidas de otra operación de TensorFlow. Este método se utiliza para obtener un identificador simbólico que representa el cálculo de la entrada.

creación pública estática de BatchToSpaceNd <T> (alcance del alcance , entrada del operando <T>, forma de bloque del operando <U>, cultivos del operando <V>)

Método de fábrica para crear una clase que envuelve una nueva operación BatchToSpaceNd.

Parámetros
alcance alcance actual
aporte ND con forma `input_shape = [batch] + espacial_shape + restante_shape`, donde espacial_shape tiene M dimensiones.
bloqueForma 1-D con forma `[M]`, todos los valores deben ser >= 1.
cultivos 2-D con forma `[M, 2]`, todos los valores deben ser >= 0. `crops[i] = [crop_start, crop_end]` especifica la cantidad a recortar de la dimensión de entrada `i + 1`, que corresponde a dimensión espacial `i`. Se requiere que `crop_start[i] + crop_end[i] <= block_shape[i] * input_shape[i + 1]`.

Esta operación equivale a los siguientes pasos:

1. Cambie la forma de `input` a `reshape`: [block_shape[0], ..., block_shape[M-1], lote / prod(block_shape), input_shape[1], ..., input_shape[N- 1]]

2. Permutar las dimensiones de "reformado" para producir "permutado" de forma [batch/prod(block_shape),

forma_entrada[1], forma_bloque[0], ..., forma_entrada[M], forma_bloque[M-1],

forma_entrada[M+1], ..., forma_entrada[N-1]]

3. Remodele `permutado` para producir `reformado_permutado` de forma [batch/prod(block_shape),

forma_entrada[1] * forma_bloque[0], ..., forma_entrada[M] * forma_bloque[M-1],

forma_entrada[M+1], ..., forma_entrada[N-1]]

4. Recorte el inicio y el final de las dimensiones `[1, ..., M]` de `reshape_permuted` según `crops` para producir la salida de forma: [batch / prod(block_shape),

input_shape[1] * block_shape[0] - cultivos[0,0] - cultivos[0,1], ..., input_shape[M] * block_shape[M-1] - cultivos[M-1,0] - cultivos [M-1,1],

forma_entrada[M+1], ..., forma_entrada[N-1]]

Algunos ejemplos:

(1) Para la siguiente entrada de forma `[4, 1, 1, 1]`, `block_shape = [2, 2]` y `crops = [[0, 0], [0, 0]]`: 

[[[[1]]], [[[2]]], [[[3]]], [[[4]]]]
El tensor de salida tiene la forma `[1, 2, 2, 1]` y valor: 
x = [[[[1], [2]], [[3], [4]]]]
(2) Para la siguiente entrada de forma `[4, 1, 1, 3]`, `block_shape = [ 2, 2]` y `crops = [[0, 0], [0, 0]]`: 
[[[[1, 2, 3]]], [[[4, 5, 6]]], [[[7, 8, 9]]], [[[10, 11, 12]]]]
El tensor de salida tiene forma `[1, 2, 2, 3]` y valor: 
x = [[[[1, 2, 3], [4, 5, 6]],
       [[7, 8, 9], [10, 11, 12]]]]
(3) Para la siguiente entrada de forma `[4, 2, 2, 1]`, `block_shape = [2, 2]` y `crops = [[0, 0], [0, 0]]`: 
x = [[[[1], [3]], [[9], [11]]],
      [[[2], [4]], [[10], [12]]],
      [[[5], [7]], [[13], [15]]],
      [[[6], [8]], [[14], [16]]]]
El tensor de salida tiene la forma `[1, 4, 4, 1]` y valor: 
x = [[[[1],   [2],  [3],  [4]],
      [[5],   [6],  [7],  [8]],
      [[9],  [10], [11],  [12]],
      [[13], [14], [15],  [16]]]]
(4) Para la siguiente entrada de forma `[8, 1, 3, 1]`, `block_shape = [ 2, 2]` y `crops = [[0, 0], [2, 0]]`: 
x = [[[[0], [1], [3]]], [[[0], [9], [11]]],
      [[[0], [2], [4]]], [[[0], [10], [12]]],
      [[[0], [5], [7]]], [[[0], [13], [15]]],
      [[[0], [6], [8]]], [[[0], [14], [16]]]]
El tensor de salida tiene forma `[2, 2, 4, 1]` y valor: 
x = [[[[1],   [2],  [3],  [4]],
       [[5],   [6],  [7],  [8]]],
      [[[9],  [10], [11],  [12]],
       [[13], [14], [15],  [16]]]]

Devoluciones
  • una nueva instancia de BatchToSpaceNd

Salida pública <T> salida ()