警告:このAPIは非推奨であり、置き換えが安定した後 TensorFlowの将来のバージョンで削除される予定です。

このページは Cloud Translation API によって翻訳されました。
Switch to English

BatchToSpaceNd

パブリック最終クラスBatchToSpaceNd

タイプTのNDテンソルのBatchToSpace。

この操作は、「バッチ」次元0を形状 `block_shape + [バッチ]`の `M + 1`次元に再形成し、これらのブロックを空間次元` [1、...、M] `で定義されたグリッドにインターリーブします。入力と同じランクの結果を取得します。次に、この中間結果の空間次元は、オプションで「crops」に従ってトリミングされ、出力が生成されます。これはSpaceToBatchの逆です。正確な説明については、以下を参照してください。

パブリックメソッド

出力<T>
asOutput ()
テンソルのシンボリックハンドルを返します。
static <T、Uは数値を拡張し、Vは数値を拡張> BatchToSpaceNd <T>
createスコープスコープ、オペランド<T>入力、オペランド<U> blockShape、オペランド<V>クロップ)
新しいBatchToSpaceNd操作をラップするクラスを作成するファクトリメソッド。
出力<T>
出力()

継承されたメソッド

パブリックメソッド

public Output <T> asOutput ()

テンソルのシンボリックハンドルを返します。

TensorFlow操作への入力は、別のTensorFlow操作の出力です。このメソッドは、入力の計算を表すシンボリックハンドルを取得するために使用されます。

public static BatchToSpaceNd <T> create スコープスコープ、オペランド<T>入力、オペランド<U> blockShape、オペランド<V>クロップ)

新しいBatchToSpaceNd操作をラップするクラスを作成するファクトリメソッド。

パラメーター
範囲現在のスコープ
入力形状 `input_shape = [batch] + Spatial_shape + remaining_shape`のND。ここで、spatial_shapeの次元はMです。
blockShape形状が `[M]`の1-D、すべての値は> = 1でなければなりません。
作物形状が `[M、2]`の2-D、すべての値は> = 0でなければなりません。`crops[i] = [crop_start、crop_end] `は、入力次元` i + 1`からトリミングする量を指定します。空間次元 `i`。 `crop_start [i] + Crop_end [i] <= block_shape [i] * input_shape [i +1]`が必要です。

この操作は、次の手順と同等です。

1.「入力」を形状の「形状変更」に変更します:[block_shape [0]、...、block_shape [M-1]、batch / prod(block_shape)、input_shape [1]、...、input_shape [N- 1]]

2.「再形成」の寸法を並べ替えて「置換」された形状を生成する[batch / prod(block_shape)、

input_shape [1]、block_shape [0]、...、input_shape [M]、block_shape [M-1]、

input_shape [M + 1]、...、input_shape [N-1]]

3. `permuted`の形状を変更して、形状の` reshape_permuted`を生成します[batch / prod(block_shape)、

input_shape [1] * block_shape [0]、...、input_shape [M] * block_shape [M-1]、

input_shape [M + 1]、...、input_shape [N-1]]

4. `crops`に従って、` reshape_permuted`の次元 `[1、...、M]`の開始と終了をトリミングして、shapeの出力を生成します。[batch / prod(block_shape)、

input_shape [1] * block_shape [0] -crops [0,0] -crops [0,1]、...、input_shape [M] * block_shape [M-1] -crops [M-1,0] -crops [M-1,1]、

input_shape [M + 1]、...、input_shape [N-1]]

いくつかの例:

(1)次の形状 `[4、1、1、1]`、 `block_shape = [2、2]`、および `crops = [[0、0]、[0、0]]`の入力の場合:

[[[[1]]], [[[2]]], [[[3]]], [[[4]]]]
 
出力テンソルの形状は `[1、2、2、1]`で、値は次のとおりです。 `、および` Crops = [[0、0]、[0、0]] `:
[[[[1, 2, 3]]], [[[4, 5, 6]]], [[[7, 8, 9]]], [[[10, 11, 12]]]]
 
出力テンソルの形状は` [1、2、2、3] `で、値は次のとおりです。
x = [[[[1, 2, 3], [4, 5, 6]],
       [[7, 8, 9], [10, 11, 12]]]]
 
(3)次の入力の場合形状 `[4、2、2、1]`、 `block_shape = [2、2]`、および `crops = [[0、0]、[0、0]]`:
x = [[[[1], [3]], [[9], [11]]],
      [[[2], [4]], [[10], [12]]],
      [[[5], [7]], [[13], [15]]],
      [[[6], [8]], [[14], [16]]]]
 
出力テンソルの形状は `[ 1、4、4、1] `およ​​び値:
x = [[[[1],   [2],  [3],  [4]],
      [[5],   [6],  [7],  [8]],
      [[9],  [10], [11],  [12]],
      [[13], [14], [15],  [16]]]]
 
(4)次の形状` [8、1、3、1] `、` block_shape = [2、2] `、および` 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]]]]
 
出力テンソルの形状は` [2、2、4、1] `で、値は
x = [[[[1],   [2],  [3],  [4]],
       [[5],   [6],  [7],  [8]]],
      [[[9],  [10], [11],  [12]],
       [[13], [14], [15],  [16]]]]
 
です。
戻り値
  • BatchToSpaceNdの新しいインスタンス

public Output <T> output ()