SpaceToBatchNd

टाइप टी के एनडी टेंसर के लिए SpaceToBatch।

यह ऑपरेशन इनपुट के "स्थानिक" आयामों `[1, ..., एम]` को आकार के ब्लॉक के ग्रिड में विभाजित करता है `block_shape`, और इन ब्लॉकों को "बैच" आयाम (0) के साथ इंटरलीव करता है जैसे कि आउटपुट में , स्थानिक आयाम `[1, ..., M]` ग्रिड के भीतर की स्थिति के अनुरूप हैं, और बैच आयाम एक स्थानिक ब्लॉक के भीतर की स्थिति और मूल बैच स्थिति दोनों को जोड़ता है। ब्लॉकों में विभाजित करने से पहले, इनपुट के स्थानिक आयाम वैकल्पिक रूप से `पैडिंग` के अनुसार शून्य गद्देदार होते हैं। सटीक विवरण के लिए नीचे देखें।

यह ऑपरेशन निम्न चरणों के बराबर है:

1. ज़ीरो-पैड आयामों की शुरुआत और अंत `[1, ..., एम]` आकार के `गद्देदार` का उत्पादन करने के लिए `पैडिंग` के अनुसार इनपुट के `पैडेड_शेप`।

2. आकार के `गद्देदार` को `reshape_padded` में दोबारा आकार दें:

[बैच] + [गद्देदार_आकार[1] / ब्लॉक_आकार[0], ब्लॉक_आकार[0], ..., गद्देदार_आकार[एम] / ब्लॉक_आकार[एम-1], ब्लॉक_आकार[एम-1]] + शेष_आकार

3. आकार के `permuted_reshape_padded` का उत्पादन करने के लिए `reshapeed_padded` के आयामों की अनुमति दें:

ब्लॉक_शेप + [बैच] + [पैडेड_शेप [1] / ब्लॉक_शेप [0], ..., पैडेड_शेप [एम] / ब्लॉक_शेप [एम -1]] + शेष_शेप

4. आकार के आउटपुट टेंसर का निर्माण करते हुए बैच आयाम में `ब्लॉक_शेप` को समतल करने के लिए `permuted_reshape_padded` को फिर से आकार दें:

[बैच * प्रोड (ब्लॉक_शेप)] + [गद्देदार_आकार [1] / ब्लॉक_शेप [0], ..., गद्देदार_आकार [एम] / ब्लॉक_शेप [एम -1]] + शेष_ आकार

कुछ उदाहरण:

(1) आकृति के निम्नलिखित इनपुट के लिए `[1, 2, 2, 1]`, `block_shape = [2, 2]`, और `पैडिंग = [[0, 0], [0, 0]]`:

x = [[[[1], [2]], [[3], [4]]]]
 

आउटपुट टेंसर का आकार `[4, 1, 1, 1]` और मान:

[[[[1]]], [[[2]]], [[[3]]], [[[4]]]]
 

(2) आकार के निम्नलिखित इनपुट के लिए `[1, 2, 2, 3]`, `block_shape = [ 2, 2]`, और `पैडिंग = [[0, 0], [0, 0]]`:

x = [[[[1, 2, 3], [4, 5, 6]],
       [[7, 8, 9], [10, 11, 12]]]]
 

आउटपुट टेंसर का आकार `[4, 1, 1, 3]` और मान:

[[[[1, 2, 3]]], [[[4, 5, 6]]], [[[7, 8, 9]]], [[[10, 11, 12]]]]
 

है (3) आकृति के निम्नलिखित इनपुट के लिए `[1, 4, 4, 1]`, `block_shape = [2, 2]`, और `पैडिंग = [[0, 0], [0, 0]]`:

x = [[[[1],   [2],  [3],  [4]],
       [[5],   [6],  [7],  [8]],
       [[9],  [10], [11],  [12]],
       [[13], [14], [15],  [16]]]]
 

आउटपुट टेंसर का आकार `[4, 2, 2, 1]` और मान:

x = [[[[1], [3]], [[9], [11]]],
      [[[2], [4]], [[10], [12]]],
      [[[5], [7]], [[13], [15]]],
      [[[6], [8]], [[14], [16]]]]
 

(4) आकार के निम्नलिखित इनपुट के लिए `[2, 2, 4, 1]`, block_shape = `[ 2, 2]`, और पैडिंग = `[[0, 0], [2, 0]]`:

x = [[[[1],   [2],  [3],  [4]],
       [[5],   [6],  [7],  [8]]],
      [[[9],  [10], [11],  [12]],
       [[13], [14], [15],  [16]]]]
 

आउटपुट टेंसर का आकार `[8, 1, 3, 1]` और मान:

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]]]]
 

है दूसरों के बीच, यह ऑपरेशन एट्रस कनवल्शन को नियमित कनवल्शन में कम करने के लिए उपयोगी है।