DepthToSpace

DepthToSpace dla tensorów typu T.

Przestawia dane z głębi na bloki danych przestrzennych. Jest to odwrotna transformacja SpaceToDepth. Mówiąc dokładniej, ta operacja generuje kopię tensora wejściowego, w którym wartości z wymiaru „głębokości” są przenoszone w blokach przestrzennych do wymiarów „wysokość” i „szerokość”. Atrybut `block_size` wskazuje rozmiar bloku wejściowego i sposób przenoszenia danych.

* Kawałki danych o rozmiarze `block_size * block_size` z głębokości są układane w nienakładające się bloki o rozmiarze `block_size x block_size` * Szerokość tensora wyjściowego to `input_głębokość * block_size`, natomiast wysokość to `input_height * block_size`. * Współrzędne Y, X w każdym bloku obrazu wyjściowego są określone przez składową wyższego rzędu indeksu kanału wejściowego. * Głębokość tensora wejściowego musi być podzielna przez `rozmiar_bloku * rozmiar_bloku`.

Atrybut `data_format` określa układ tensorów wejściowych i wyjściowych z następującymi opcjami: "NHWC": `[ partia, wysokość, szerokość, kanały ]` "NCHW": `[ partia, kanały, wysokość, szerokość ]` " NCHW_VECT_C": `qint8 [ partia, kanały / 4, wysokość, szerokość, 4 ]`

Warto rozważyć tę operację jako transformację tensora 6-D. np. dla format_danych = NHWC, każdy element tensora wejściowego można określić za pomocą 6 współrzędnych, uporządkowanych według malejącego znaczenia układu pamięci jako: n,iY,iX,bY,bX,oC (gdzie n=indeks wsadowy, iX, iY oznacza X lub Y w obrazie wejściowym, bX, bY oznaczają współrzędne w bloku wyjściowym, oC oznacza kanały wyjściowe). Dane wyjściowe będą danymi wejściowymi przetransponowanymi do następującego układu: n,iY,bY,iX,bX,oC

Ta operacja jest przydatna do zmiany rozmiaru aktywacji pomiędzy splotami (ale przy zachowaniu wszystkich danych), np. zamiast łączenia. Jest również przydatny do uczenia modeli czysto splotowych.

Na przykład, biorąc pod uwagę dane wejściowe kształtu `[1, 1, 1, 4]`, format_danych = "NHWC" i rozmiar_bloku = 2:

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

Ta operacja wyświetli tensor kształtu `[1, 2, 2, 1 ]`:

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

Tutaj wejście ma partię 1, a każdy element partii ma kształt `[1, 1, 4]`, odpowiednie wyjście będzie miało 2x2 elementy i będzie miało głębokość 1 kanału (1 = ` 4 / (rozmiar_bloku * rozmiar_bloku)`). Kształt elementu wyjściowego to „[2, 2, 1]”.

Dla tensora wejściowego o większej głębokości, tutaj o kształcie `[1, 1, 1, 12]`, np.

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

Ta operacja, dla rozmiaru bloku 2, zwróci następujący tensor o kształcie `[1, 2, 2 , 3]`

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

Podobnie, dla kolejnego wprowadzenia kształtu `[1 2 2 4]` i rozmiaru bloku 2:

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

operator zwróci następujący tensor kształtu `[1 4 4 1] `:

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