Ta strona została przetłumaczona przez Cloud Translation API.
Switch to English

tf.space_to_batch

Zobacz źródło na GitHub

SpaceToBatch ND tensorów typu T.

Dzieli operacja „” Wymiary przestrzenne [1, ..., M] wejścia do sieci bloków kształt block_shape i przeplata te bloki z wymiarem „wsadowy” (0), tak że na wyjściu, wymiarów przestrzennych [1, ..., M] odpowiadającym położeniu w siatce, i partię kombajnów wymiarów zarówno w pozycji wewnątrz bloku i przestrzennej pozycji wyjściowej partii. Przed podziału na bloki, wymiary przestrzenne wejściowe są ewentualnie zerami według paddings . Poniżej znajduje się dokładny opis.

input Tensor . ND o kształcie input_shape = [batch] + spatial_shape + remaining_shape , gdzie spatial_shape ma M wymiary.
block_shape Tensor . Musi to być jeden z następujących typów: int32 , int64 . 1-D w kształcie [M] , wszystkie wartości musi być> = 1.
paddings Tensor . Musi to być jeden z następujących typów: int32 , int64 . 2-D w kształcie [M, 2] , wszystkie wartości musi być> = 0. paddings[i] = [pad_start, pad_end] Określa wyściółki dla wymiaru wejściowego i + 1 , co odpowiada wymiarze przestrzennym i . Wymagane jest, aby block_shape[i] dzieli input_shape[i + 1] + pad_start + pad_end .

Operacja ta jest równoważna z następujących etapów:

  1. Zerowej podkładka początek i koniec o wymiarach [1, ..., M] wejścia według paddings w celu wytworzenia padded kształt padded_shape .

  2. Reshape padded do reshaped_padded kształtu:

[Partii] + [padded_shape [1] / block_shape [0] block_shape [0], ..., padded_shape [M] / block_shape [M-1] block_shape [M + 1]] + remaining_shape

  1. Permutacji wymiary reshaped_padded celu wytworzenia permuted_reshaped_padded kształt:

block_shape + [partii] + [padded_shape [1] / block_shape [0], ..., padded_shape [M] / block_shape [M + 1]] + remaining_shape

  1. Reshape permuted_reshaped_padded spłaszczenie block_shape do wymiaru wsadowym wytwarzania tensor wyjściowego kształtu:

[Wsadowego * prod (block_shape)] + [padded_shape [1] / block_shape [0], ..., padded_shape [M] / block_shape [M + 1]] + remaining_shape

Kilka przykładów:

(1) W poniższym wejścia kształtu [1, 2, 2, 1] , block_shape = [2, 2] i paddings = [[0, 0], [0, 0]] :

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

Tensor wyjściowy ma postać [4, 1, 1, 1] i wartości:

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

(2) W poniższym wejścia kształtu [1, 2, 2, 3] , block_shape = [2, 2] i paddings = [[0, 0], [0, 0]] :

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

Tensor wyjściowy ma postać [4, 1, 1, 3] i wartości:

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

(3) W poniższym wejścia kształtu [1, 4, 4, 1] , block_shape = [2, 2] i paddings = [[0, 0], [0, 0]] :

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

Tensor wyjściowy ma postać [4, 2, 2, 1] i wartości:

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

(4) W poniższym wejścia kształtu [2, 2, 4, 1] , block_shape = [2, 2] , i podkładki = [[0, 0], [2, 0]] :

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

Tensor wyjściowy ma kształt [8, 1, 3, 1] i wartości:

 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]]]]
 

Między innymi, operacja ta jest przydatna do zmniejszania atrous splot do regularnego splotu.

name Nazwę operacji (opcjonalnie).

Tensor . Ten sam typ jako input .