SpaceToDepth

SpaceToDepth dla tensorów typu T.

Porządkuje bloki danych przestrzennych w głąb. Mówiąc dokładniej, ta operacja generuje kopię tensora wejściowego, w którym wartości z wymiarów „wysokość” i „szerokość” są przenoszone do wymiaru „głębokość”. Atrybut `block_size` wskazuje rozmiar bloku wejściowego.

* Nienakładające się bloki o rozmiarze `rozmiar_bloku x rozmiar bloku` są przestawiane na głębokość w każdym miejscu. * Głębokość tensora wyjściowego to `rozmiar_bloku * rozmiar_bloku * głębokość_wejściowa`. * Współrzędne Y, X w każdym bloku wejściowym stają się składnikiem wyższego rzędu indeksu kanału wyjściowego. * Wysokość i szerokość tensora wejściowego muszą być podzielne przez 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,oY,bY,oX,bX,iC (gdzie n=indeks wsadowy, oX, oY oznacza X lub Y w obrazie wyjściowym, bX, bY oznaczają współrzędne w bloku wejściowym, iC oznacza kanały wejściowe). Wynikiem byłaby transpozycja do następującego układu: n,oY,oX,bY,bX,iC

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, 2, 2, 1]`, format_danych = "NHWC" i rozmiar_bloku = 2:

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

Ta operacja wyświetli tensor kształtu `[1, 1, 1, 4 ]`:

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

Tutaj na wejściu znajduje się partia 1, a każdy element partii ma kształt `[2, 2, 1]`, odpowiednie wyjście będzie miało pojedynczy element (tj. szerokość i wysokość wynoszą 1) i będzie mają głębokość 4 kanałów (1 * rozmiar_bloku * rozmiar_bloku). Kształt elementu wyjściowego to „[1, 1, 4]”.

Dla tensora wejściowego o większej głębokości, tutaj o kształcie `[1, 2, 2, 3]`, np.

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

Ta operacja, dla block_size równej 2, zwróci następujący tensor o kształcie `[1, 1, 1, 12]`

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

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

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

operator zwróci następujący tensor kształtu `[1 2 2 4]` :

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