DepthToSpace

DepthToSpace cho tensor loại T.

Sắp xếp lại dữ liệu từ độ sâu thành các khối dữ liệu không gian. Đây là sự chuyển đổi ngược của SpaceToDepth. Cụ thể hơn, hoạt động này tạo ra một bản sao của tenxơ đầu vào trong đó các giá trị từ chiều `độ sâu` được di chuyển trong các khối không gian sang chiều `chiều cao` và `chiều rộng`. Attr `block_size` cho biết kích thước khối đầu vào và cách di chuyển dữ liệu.

* Các khối dữ liệu có kích thước `block_size * block_size` từ độ sâu được sắp xếp lại thành các khối không chồng chéo có kích thước `block_size x block_size` * Chiều rộng của tensor đầu ra là `input_deep * block_size`, trong khi chiều cao là `input_height * block_size`. * Tọa độ Y, X trong mỗi khối của ảnh đầu ra được xác định bởi thành phần bậc cao của chỉ số kênh đầu vào. * Độ sâu của tensor đầu vào phải chia hết cho `block_size * block_size`.

Attr `data_format` chỉ định bố cục của tensor đầu vào và đầu ra với các tùy chọn sau: "NHWC": `[ batch, Height, width,channel ]` "NCHW": `[ batch,channels,height,width ]` " NCHW_VECT_C": `qint8 [ lô, kênh / 4, chiều cao, chiều rộng, 4 ]`

Sẽ rất hữu ích khi coi hoạt động này giống như việc biến đổi Tensor 6-D. ví dụ: đối với data_format = NHWC, Mỗi phần tử trong tensor đầu vào có thể được chỉ định thông qua 6 tọa độ, được sắp xếp theo mức độ quan trọng của bố cục bộ nhớ giảm dần như: n,iY,iX,bY,bX,oC (trong đó n=chỉ số lô, iX, iY có nghĩa là X hoặc tọa độ Y trong ảnh đầu vào, bX, bY nghĩa là tọa độ trong khối đầu ra, oC nghĩa là các kênh đầu ra). Đầu ra sẽ là đầu vào được chuyển sang bố cục sau: n,iY,bY,iX,bX,oC

Thao tác này rất hữu ích để thay đổi kích thước kích hoạt giữa các tổ hợp (nhưng vẫn giữ tất cả dữ liệu), ví dụ: thay vì gộp chung. Nó cũng hữu ích cho việc đào tạo các mô hình tích chập thuần túy.

Ví dụ: với đầu vào có hình dạng `[1, 1, 1, 4]`, data_format = "NHWC" và block_size = 2:

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

Thao tác này sẽ tạo ra một tensor có hình dạng `[1, 2, 2, 1 ]`:

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

Ở đây, đầu vào có batch 1 và mỗi phần tử batch có hình dạng `[1, 1, 4]`, đầu ra tương ứng sẽ có các phần tử 2x2 và sẽ có độ sâu 1 kênh (1 = ` 4 / (block_size * block_size)`). Hình dạng phần tử đầu ra là `[2, 2, 1]`.

Đối với một tenxơ đầu vào có độ sâu lớn hơn, ở đây có hình dạng `[1, 1, 1, 12]`, ví dụ:

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

Thao tác này, đối với kích thước khối là 2, sẽ trả về tenxơ sau có hình dạng `[1, 2, 2 , 3]`

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

Tương tự, đối với đầu vào sau của hình dạng `[1 2 2 4]` và kích thước khối là 2:

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

toán tử sẽ trả về tensor sau có hình dạng `[1 4 4 1] `:

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