tensorflow :: ops :: BatchToSpaceND

BatchToSpace dla tensorów ND typu T.

streszczenie

Ta operacja zmienia kształt wymiaru „wsadowego” 0 na wymiary M + 1 kształtu block_shape + [batch] , przeplata te bloki z powrotem do siatki zdefiniowanej przez wymiary przestrzenne [1, ..., M] , aby uzyskać wynik z taka sama ranga jak wejście. Wymiary przestrzenne tego pośredniego wyniku są następnie opcjonalnie przycinane zgodnie z crops aby wytworzyć wynik. To jest odwrotność SpaceToBatch. Poniżej znajduje się dokładny opis.

Argumenty:

• zakres: obiekt Scope
• dane wejściowe: ND z kształtem input_shape = [batch] + spatial_shape + remaining_shape , gdzie spatial_shape ma wymiary M.
• block_shape: 1-D z kształtem [M] , wszystkie wartości muszą być> = 1.
• uprawy: 2-D z kształtem [M, 2] , wszystkie wartości muszą być> = 0. crops[i] = [crop_start, crop_end] określa wielkość zbioru z wymiaru wejściowego i + 1 , który odpowiada wymiarowi przestrzennemu i . Wymagane jest, aby crop_start[i] + crop_end[i] <= block_shape[i] * input_shape[i + 1] .

Ta operacja jest równoważna z następującymi krokami:

1. reshaped input na reshaped kształtu: [kształt_bloku [0], ..., kształt_bloku [M-1], partia / produkcja (kształt_bloku), kształt_wejścia [1], ..., kształt_wejścia [N-1]]
2. Permute wymiary reshaped celu uzyskania permuted kształtu [partia / produkcja (kształt_bloku), kształt_wejścia [1], kształt_bloku [0], ..., kształt_wejścia [M], kształt_bloku [M-1], kształt_wejścia [M + 1] ..., kształt_wejścia [N-1]]
3. reshaped_permuted permuted celu uzyskania kształtu reshaped_permuted [partia / produkcja (kształt_bloku), kształt_wejścia [1] * kształt_bloku [0], ..., kształt_wejścia [M] * kształt_bloku [M-1], kształt_wejścia [M + 1], .. ., input_shape [N-1]]
4. Obetnij początek i koniec wymiarów [1, ..., M] reshaped_permuted zgodnie z crops aby uzyskać wynik w postaci kształtu: [partia / prod (kształt_bloku), kształt_wejścia [1] * kształt_bloku [0] - uprawa [0, 0] - uprawy [0,1], ..., kształt_wejścia [M] * kształt_bloku [M-1] - uprawy [M-1,0] - uprawy [M-1,1], kształt_wejścia [M + 1] , ..., kształt_wejścia [N-1]]

Kilka przykładów:

(1) Dla następujących danych wejściowych kształtu [4, 1, 1, 1] , block_shape = [2, 2] i block_shape = [2, 2] 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 block_shape = [2, 2] 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 następującego wprowadzenia kształtu [4, 2, 2, 1] , block_shape = [2, 2] i block_shape = [2, 2] 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 block_shape = [2, 2] 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:

• Output : tensor wyjściowy.

Atrybuty publiczne

Operation operation

::tensorflow::Output output

 BatchToSpaceND(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input input,
  ::tensorflow::Input block_shape,
  ::tensorflow::Input crops
)

::tensorflow::Node * node() const 

 operator::tensorflow::Input() const 

 operator::tensorflow::Output() const