BatchToSpaceNd

publiczna klasa końcowa BatchToSpaceNd

BatchToSpace dla tensorów ND typu T.

Ta operacja przekształca wymiar „wsadowy” 0 na wymiary `M + 1` kształtu `kształt_bloku + [partia]`, przeplata te bloki z powrotem w siatkę zdefiniowaną przez wymiary przestrzenne `[1, ..., M]`, aby uzyskać wynik o tej samej randze co dane wejściowe. Wymiary przestrzenne tego wyniku pośredniego są następnie opcjonalnie przycinane zgodnie z „uprawami” w celu uzyskania wyniku. To jest odwrotność SpaceToBatch. Dokładny opis znajdziesz poniżej.

Stałe

Strunowy OP_NAME Nazwa tej operacji znana silnikowi rdzenia TensorFlow

Metody publiczne

Wyjście <T>
jako wyjście ()
Zwraca symboliczny uchwyt tensora.
statyczny <T rozszerza TType > BatchToSpaceNd <T>
utwórz ( Zakres zakresu, Operand <T> wejście, Operand <? rozszerza TNumber > blockShape, Operand <? rozszerza TNumber > przycina)
Metoda fabryczna służąca do tworzenia klasy opakowującej nową operację BatchToSpaceNd.
Wyjście <T>
wyjście ()

Metody dziedziczone

Stałe

publiczny statyczny końcowy ciąg znaków OP_NAME

Nazwa tej operacji znana silnikowi rdzenia TensorFlow

Wartość stała: „BatchToSpaceND”

Metody publiczne

publiczne wyjście <T> asOutput ()

Zwraca symboliczny uchwyt tensora.

Dane wejściowe operacji TensorFlow są wynikami innej operacji TensorFlow. Ta metoda służy do uzyskania symbolicznego uchwytu reprezentującego obliczenia danych wejściowych.

public static BatchToSpaceNd <T> create ( Zakres zakresu, Operand <T> wejście, Operand <? rozszerza TNumber > blockShape, Operand <? rozszerza TNumber > przycina)

Metoda fabryczna służąca do tworzenia klasy opakowującej nową operację BatchToSpaceNd.

Parametry
zakres aktualny zakres
wejście ND z kształtem „input_shape = [partia] + przestrzenny_kształt + pozostały_kształt”, gdzie przestrzenny_kształt ma M wymiarów.
kształt bloku 1-D z kształtem „[M]”, wszystkie wartości muszą wynosić >= 1.
uprawy 2-D z kształtem `[M, 2]`, wszystkie wartości muszą wynosić >= 0. `crops[i] = [crop_start, upraw_end]` określa wielkość przycięcia z wymiaru wejściowego `i + 1`, co odpowiada wymiar przestrzenny „i”. Wymagane jest, aby `crop_start[i] + upraw_end[i] <= block_shape[i] * input_shape[i + 1]`.

Ta operacja jest równoważna następującym krokom:

1. Zmień kształt „input” na „przekształcony” kształtu: [block_shape[0], ..., block_shape[M-1], wsad / prod(block_shape), input_shape[1], ..., input_shape[N- 1]]

2. Zmień wymiary „przekształconego” w celu uzyskania „permutowanego” kształtu [partia / prod(block_shape),

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

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

3. Zmień kształt „permutowany”, aby uzyskać „przekształcony_permutowany” kształtu [partia / prod(block_shape),

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

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

4. Przytnij początek i koniec wymiarów `[1, ..., M]` z `re Shaped_permuted` zgodnie z `crops`, aby uzyskać wynikowy kształt: [partia / prod(block_shape),

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

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

Kilka przykładów:

(1) Dla następujących danych wejściowych kształtu `[4, 1, 1, 1]`, `block_shape = [2, 2]` i `crops = [[0, 0], [0, 0]]`: 

[[[[1]]], [[[2]]], [[[3]]], [[[4]]]]
Tensor wyjściowy ma kształt `[1, 2, 2, 1]` i wartość: 
x = [[[[1], [2]], [[3], [4]]]]
(2) Dla następującego wprowadzenia kształtu `[4, 1, 1, 3]`, `block_shape = [ 2, 2]` i `crops = [[0, 0], [0, 0]]`: 
[[[[1, 2, 3]]], [[[4, 5, 6]]], [[[7, 8, 9]]], [[[10, 11, 12]]]]
Tensor wyjściowy ma kształt `[1, 2, 2, 3]` i wartość: 
x = [[[[1, 2, 3], [4, 5, 6]],
       [[7, 8, 9], [10, 11, 12]]]]
(3) Dla następujących danych wejściowych kształtu `[4, 2, 2, 1]`, `block_shape = [2, 2]` i `crops = [[0, 0], [0, 0]]`: 
x = [[[[1], [3]], [[9], [11]]],
      [[[2], [4]], [[10], [12]]],
      [[[5], [7]], [[13], [15]]],
      [[[6], [8]], [[14], [16]]]]
Tensor wyjściowy ma kształt `[1, 4, 4, 1]` i wartość: 
x = [[[[1],   [2],  [3],  [4]],
      [[5],   [6],  [7],  [8]],
      [[9],  [10], [11],  [12]],
      [[13], [14], [15],  [16]]]]
(4) Dla następującego wprowadzenia kształtu `[8, 1, 3, 1]`, `block_shape = [ 2, 2]` i `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]]]]
Tensor wyjściowy ma kształt `[2, 2, 4, 1]` i wartość: 
x = [[[[1],   [2],  [3],  [4]],
       [[5],   [6],  [7],  [8]]],
      [[[9],  [10], [11],  [12]],
       [[13], [14], [15],  [16]]]]

Zwroty
  • nowa instancja BatchToSpaceNd

publiczne wyjście <T> wyjście ()