Aviso: esta API está obsoleta e será removida em uma versão futura do TensorFlow depois que a substituição estiver estável.

BatchToSpaceNd

classe final pública BatchToSpaceNd

BatchToSpace para tensores ND do tipo T.

Esta operação remodela a dimensão do "lote" 0 em dimensões `M + 1` da forma` block_shape + [batch] `, intercala esses blocos de volta na grade definida pelas dimensões espaciais` [1, ..., M] `, para obter um resultado com a mesma classificação da entrada. As dimensões espaciais desse resultado intermediário são, então, opcionalmente cortadas de acordo com as `culturas 'para produzir a saída. Este é o reverso de SpaceToBatch. Veja abaixo uma descrição precisa.

Métodos Públicos

Saída <T>
asOutput ()
Retorna o identificador simbólico de um tensor.
static <T, U extends Number, V extends Number> BatchToSpaceNd <T>
criar ( Âmbito âmbito, Operando <T> entrada, Operando <L> blockShape, Operando <V> culturas)
Método de fábrica para criar uma classe que envolve uma nova operação BatchToSpaceNd.
Saída <T>
saída ()

Métodos herdados

Métodos Públicos

public Output <T> asOutput ()

Retorna o identificador simbólico de um tensor.

As entradas para as operações do TensorFlow são saídas de outra operação do TensorFlow. Este método é usado para obter um identificador simbólico que representa o cálculo da entrada.

public static BatchToSpaceNd <T> criar ( escopo do escopo, entrada do operando <T>, forma do operando <U>, cortes do operando <V>)

Método de fábrica para criar uma classe que envolve uma nova operação BatchToSpaceNd.

Parâmetros
alcance escopo atual
entrada ND com forma `input_shape = [batch] + spatial_shape + restante_shape`, em que spatial_shape tem M dimensões.
blockShape 1-D com forma `[M]`, todos os valores devem ser> = 1.
cultivo 2-D com a forma `[M, 2]`, todos os valores devem ser> = 0. `crop [i] = [crop_start, crop_end]` especifica a quantidade a ser cortada da dimensão de entrada `i + 1`, que corresponde a dimensão espacial `i`. É necessário que `crop_start [i] + crop_end [i] <= block_shape [i] * input_shape [i + 1]`.

Esta operação é equivalente às seguintes etapas:

1. Remodele a `entrada` para` remodelado` da forma: [block_shape [0], ..., block_shape [M-1], batch / prod (block_shape), input_shape [1], ..., input_shape [N- 1]

2. Permute as dimensões de `remodelado` para produzir` permutado` de forma [batch / prod (block_shape),

forma_de_entrada [1], forma_de_bloco [0], ..., forma_de_entrada [M], forma_de_bloco [M-1],

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

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

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

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

4. Corte o início e o final das dimensões `[1, ..., M]` de `reshaped_permuted` de acordo com` crop` para produzir a saída de forma: [batch / prod (block_shape),

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

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

Alguns exemplos:

(1) Para a seguinte entrada de forma `[4, 1, 1, 1]`, `block_shape = [2, 2]` e `colheitas = [[0, 0], [0, 0]]`:

[[[[1]]], [[[2]]], [[[3]]], [[[4]]]]
 
O tensor de saída tem forma `[1, 2, 2, 1]` e valor:
x = [[[[1], [2]], [[3], [4]]]]
 
(2) Para a seguinte entrada de forma `[4, 1, 1, 3]`, `block_shape = [2, 2] `, e` colheitas = [[0, 0], [0, 0]] `:
[[[[1, 2, 3]]], [[[4, 5, 6]]], [[[7, 8, 9]]], [[[10, 11, 12]]]]
 
O tensor de saída tem a forma` [1, 2, 2, 3] `e valor:
x = [[[[1, 2, 3], [4, 5, 6]],
       [[7, 8, 9], [10, 11, 12]]]]
 
(3) Para a seguinte entrada de forma `[4, 2, 2, 1]`, `block_shape = [2, 2]` e `colheitas = [[0, 0], [0, 0]]`:
x = [[[[1], [3]], [[9], [11]]],
      [[[2], [4]], [[10], [12]]],
      [[[5], [7]], [[13], [15]]],
      [[[6], [8]], [[14], [16]]]]
 
O tensor de saída tem forma `[ 1, 4, 4, 1] `e valor:
x = [[[[1],   [2],  [3],  [4]],
      [[5],   [6],  [7],  [8]],
      [[9],  [10], [11],  [12]],
      [[13], [14], [15],  [16]]]]
 
(4) Para a seguinte entrada de forma` [8, 1, 3, 1] `,` block_shape = [2, 2] `e` culturas = [[ 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]]]]
 
O tensor de saída tem a forma` [2, 2, 4, 1] `e o valor:
x = [[[[1],   [2],  [3],  [4]],
       [[5],   [6],  [7],  [8]]],
      [[[9],  [10], [11],  [12]],
       [[13], [14], [15],  [16]]]]
 

Devoluções
  • uma nova instância de BatchToSpaceNd

output public Output <T> output ()