เทนเซอร์โฟลว์ :: ops :: BatchToSpaceND

#include <array_ops.h>

BatchToSpace สำหรับ ND Tensors ประเภท T.

สรุป

การดำเนินการนี้จะปรับขนาดมิติ "ชุดงาน" 0 ให้เป็นมิติ M + 1 ของรูปร่าง block_shape + [batch] สอดแทรกบล็อกเหล่านี้กลับเข้าไปในเส้นตารางที่กำหนดโดยมิติเชิงพื้นที่ [1, ..., M] เพื่อให้ได้ผลลัพธ์ที่มี อันดับเดียวกับอินพุต จากนั้นมิติข้อมูลเชิงพื้นที่ของผลลัพธ์ระดับกลางนี้จะถูกครอบตัดเป็นทางเลือกตามการ crops เพื่อสร้างผลลัพธ์ นี่คือสิ่งที่ตรงกันข้ามของ SpaceToBatch ดูคำอธิบายที่แม่นยำด้านล่าง

อาร์กิวเมนต์:

  • ขอบเขต: วัตถุ ขอบเขต
  • อินพุต: ND ที่มีรูปร่าง input_shape = [batch] + spatial_shape + remaining_shape โดยที่ spatial_shape มีขนาด M
  • block_shape: 1-D ที่มีรูปร่าง [M] ค่าทั้งหมดต้องเป็น> = 1
  • พืช: 2 มิติที่มีรูปร่าง [M, 2] ค่าทั้งหมดต้องเป็น> = 0 การ crops[i] = [crop_start, crop_end] ระบุจำนวนที่จะครอบตัดจากมิติข้อมูลอินพุต i + 1 ซึ่งสอดคล้องกับมิติเชิงพื้นที่ i จำเป็นต้องใช้ที่ crop_start[i] + crop_end[i] <= block_shape[i] * input_shape[i + 1]

การดำเนินการนี้เทียบเท่ากับขั้นตอนต่อไปนี้:

  1. ปรับรูปร่าง input เพื่อ reshaped รูปร่าง: [block_shape [0], ... , block_shape [M-1], batch / prod (block_shape), input_shape [1], ... , input_shape [N-1]]
  2. ขนาดเปลี่ยนรูปของ reshaped ในการผลิต permuted ของรูปร่าง [ชุด / แยง (block_shape) input_shape [1], block_shape [0], ... , input_shape [M], block_shape [M-1], input_shape [M + 1] ... , input_shape [N-1]]
  3. Reshape permuted การผลิต reshaped_permuted ของรูปร่าง [ชุด / แยง (block_shape) input_shape [1] * block_shape [0], ... , input_shape [M] * block_shape [M-1], input_shape [M + 1] .. ., input_shape [N-1]]
  4. พืชเริ่มต้นและสิ้นสุดของมิติ [1, ..., M] ของ reshaped_permuted ตาม crops ในการผลิตการส่งออกของรูปร่าง: [ชุด / แยง (block_shape) input_shape [1] * block_shape [0] - พืช [0, 0] - พืช [0,1], ... , input_shape [M] * block_shape [M-1] - การปลูกพืช [M-1,0] - พืชผล [M-1,1], รูปทรงอินพุต [M + 1] , ... , input_shape [N-1]]

ตัวอย่างบางส่วน:

(1) สำหรับอินพุตรูปร่างต่อไปนี้ [4, 1, 1, 1] , block_shape = [2, 2] และ block_shape = [2, 2] crops = [[0, 0], [0, 0]] :

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

เทนเซอร์เอาต์พุตมีรูปร่าง [1, 2, 2, 1] และค่า:

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

(2) สำหรับอินพุตรูปร่างต่อไปนี้ [4, 1, 1, 3] , block_shape = [2, 2] และ block_shape = [2, 2] crops = [[0, 0], [0, 0]] :

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

เทนเซอร์เอาต์พุตมีรูปร่าง [1, 2, 2, 3] และค่า:

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

(3) สำหรับอินพุตรูปร่างต่อไปนี้ [4, 2, 2, 1] , block_shape = [2, 2] และ 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]]]]

เทนเซอร์เอาต์พุตมีรูปร่าง [1, 4, 4, 1] และค่า:

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

(4) สำหรับอินพุตรูปร่างต่อไปนี้ [8, 1, 3, 1] , block_shape = [2, 2] และ 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]]]]

เทนเซอร์เอาต์พุตมีรูปร่าง [2, 2, 4, 1] และค่า:

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

ผลตอบแทน:

  • Output : เทนเซอร์เอาท์พุท

ผู้สร้างและผู้ทำลาย

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

คุณลักษณะสาธารณะ

operation
output

หน้าที่สาธารณะ

node () const
::tensorflow::Node *
operator::tensorflow::Input () const
operator::tensorflow::Output () const

คุณลักษณะสาธารณะ

การดำเนินการ

Operation operation

เอาท์พุท

::tensorflow::Output output

หน้าที่สาธารณะ

BatchToSpaceND

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

โหนด

::tensorflow::Node * node() const 

ตัวดำเนินการ :: tensorflow :: อินพุต

 operator::tensorflow::Input() const 

ตัวดำเนินการ :: tensorflow :: เอาท์พุท

 operator::tensorflow::Output() const