tensorflow :: ops :: DepthToSpace
#include <array_ops.h>
DepthToSpace برای سنسورهای نوع T
خلاصه
داده ها را از عمق به بلوک های داده های مکانی مرتب می کند. این تحول معکوس SpaceToDepth است. به طور دقیق تر ، این op یک کپی از سنسور ورودی را خارج می کند که در آن مقادیر از بعد depth
در بلوک های مکانی به ابعاد height
و width
شوند. block_size
بلوک attr اندازه بلوک ورودی و نحوه انتقال داده را نشان می دهد.
- تکه های داده از اندازه
block_size * block_size
از عمق در بلوک های غیر همپوشانی اندازهblock_size x block_size
- پهنای تانسور خروجی
input_depth * block_size
، در حالی که ارتفاعinput_height * block_size
. - مختصات Y ، X در هر بلوک از تصویر خروجی توسط م componentلفه مرتبه بالای شاخص کانال ورودی تعیین می شود.
- عمق
block_size * block_size
ورودی باید بر اساسblock_size * block_size
قابل تقسیم باشد.
data_format
طرح data_format
ورودی و خروجی را با گزینه های زیر مشخص می کند: "NHWC": [ batch, height, width, channels ]
"NCHW": [ batch, channels, height, width ]
"NCHW_VECT_C": qint8 [ batch, channels / 4, height, width, 4 ]
مفید است که عملکرد را به عنوان تبدیل یک تانسور 6-D در نظر بگیرید. به عنوان مثال برای data_format = NHWC ، هر عنصر در سنسور ورودی را می توان از طریق 6 مختصات تعیین کرد ، با کاهش اهمیت طرح حافظه به ترتیب: n ، iY ، iX ، bY ، bX ، oC (جایی که n = شاخص دسته ، iX ، iY به معنی X است) یا مختصات Y در تصویر ورودی ، bX ، bY به معنی مختصات درون بلوک خروجی است ، oC به معنی کانالهای خروجی است). خروجی ورودی به طرح زیر است: n، iY، bY، iX، bX، oC
این عملیات برای تغییر اندازه فعالیتهای بین پیچش (اما نگه داشتن همه داده ها) ، به عنوان مثال به جای تجمیع ، مفید است. همچنین برای آموزش مدلهای کاملا کانولوشن مفید است.
به عنوان مثال ، با توجه به ورودی شکل [1, 1, 1, 4]
، data_format = "NHWC" و block_size = 2:
x = [[[[1, 2, 3, 4]]]]
This operation will output a tensor of shape
[1, 2, 2, 1]
:
[[[[1], [2]], [[3], [4]]]]در اینجا ، ورودی دارای یک دسته 1 است و هر عنصر دسته ای شکل
[1, 1, 4]
، خروجی مربوطه دارای عناصر 2x2 خواهد بود و عمق 1 کانال خواهد داشت (1 =4 / (block_size * block_size)
) شکل عنصر خروجی[2, 2, 1]
.برای یک سنسور ورودی با عمق بیشتر ، در اینجا شکل
[1, 1, 1, 12]
، به عنوان مثال
x = [[[[1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12]]]]این عملیات ، برای اندازه بلوک 2 ، تانسور شکل زیر را برمی گرداند
[1, 2, 2, 3]
[[[[1, 2, 3], [4, 5, 6]], [[7, 8, 9], [10, 11, 12]]]]
Similarly, for the following input of shape
[1 2 2 4]
, and a block size of 2:
x = [[[[1, 2, 3, 4], [5, 6, 7, 8]], [[9, 10, 11, 12], [13, 14, 15, 16]]]]اپراتور تانسور شکل زیر را برمی گرداند
[1 4 4 1]
:
x = [[[ [1], [2], [5], [6]], [ [3], [4], [7], [8]], [ [9], [10], [13], [14]], [ [11], [12], [15], [16]]]]
Arguments:
- scope: A Scope object
- block_size: The size of the spatial block, same as in Space2Depth.
Returns:
Output
: The output tensor.
Constructors and Destructors |
|
---|---|
DepthToSpace(const ::tensorflow::Scope & scope, ::tensorflow::Input input, int64 block_size)
|
|
DepthToSpace(const ::tensorflow::Scope & scope, ::tensorflow::Input input, int64 block_size, const DepthToSpace::Attrs & attrs)
|
Public attributes |
|
---|---|
operation
|
|
output
|
Public functions |
|
---|---|
node() const
|
::tensorflow::Node *
|
operator::tensorflow::Input() const
|
|
operator::tensorflow::Output() const
|
|
Public static functions |
|
---|---|
DataFormat(StringPiece x)
|
Structs |
|
---|---|
tensorflow:: |
Optional attribute setters for DepthToSpace. |
Public attributes
operation
Operation operation
خروجی
::tensorflow::Output output
کارکردهای عمومی
DepthToSpace
DepthToSpace( const ::tensorflow::Scope & scope, ::tensorflow::Input input, int64 block_size )
DepthToSpace
DepthToSpace( const ::tensorflow::Scope & scope, ::tensorflow::Input input, int64 block_size, const DepthToSpace::Attrs & attrs )
گره
::tensorflow::Node * node() const
عملگر :: tensorflow :: ورودی
operator::tensorflow::Input() const
عملگر :: tensorflow :: خروجی
operator::tensorflow::Output() const
توابع استاتیک عمومی
قالب داده
Attrs DataFormat( StringPiece x )
جز در مواردی که غیر از این ذکر شده باشد،محتوای این صفحه تحت مجوز Creative Commons Attribution 4.0 License است. نمونه کدها نیز دارای مجوز Apache 2.0 License است. برای اطلاع از جزئیات، به خطمشیهای سایت Google Developers مراجعه کنید. جاوا علامت تجاری ثبتشده Oracle و/یا شرکتهای وابسته به آن است.
تاریخ آخرین بهروزرسانی 2020-04-20 بهوقت ساعت هماهنگ جهانی.