tensorflow:: ops:: BatchToSpaceND

T টাইপের ND টেনসরগুলির জন্য BatchToSpace।

সারসংক্ষেপ

এই অপারেশনটি "ব্যাচ" ডাইমেনশন 0-কে block_shape + [batch] আকারের M + 1 ডাইমেনশনে রূপান্তর করে, এবং এই ব্লকগুলিকে [1, ..., M] স্থানিক ডাইমেনশন দ্বারা সংজ্ঞায়িত গ্রিডে পুনরায় সাজিয়ে ইনপুটের সমান র‍্যাঙ্কের একটি ফলাফল প্রদান করে। এরপর এই অন্তর্বর্তী ফলাফলের স্থানিক ডাইমেনশনগুলিকে ঐচ্ছিকভাবে crops অনুযায়ী ছেঁটে আউটপুট তৈরি করা হয়। এটি SpaceToBatch-এর বিপরীত প্রক্রিয়া। বিস্তারিত বিবরণের জন্য নিচে দেখুন।

যুক্তি:

• স্কোপ: একটি স্কোপ অবজেক্ট
• ইনপুট: ND, যার আকৃতি input_shape = [batch] + spatial_shape + remaining_shape , যেখানে spatial_shape-এর M সংখ্যক ডাইমেনশন রয়েছে।
• ব্লকের আকৃতি: ১-মাত্রিক, আকৃতি [M] , সকল মান অবশ্যই ১ বা তার বেশি হতে হবে।
• শস্য: [M, 2] আকৃতির 2-D, সমস্ত মান অবশ্যই >= 0 হতে হবে। crops[i] = [crop_start, crop_end] ইনপুট ডাইমেনশন i + 1 থেকে ফসল কাটার পরিমাণ নির্দিষ্ট করে, যা স্থানিক ডাইমেনশন i এর সাথে সঙ্গতিপূর্ণ। এটি আবশ্যক যে crop_start[i] + crop_end[i] <= block_shape[i] * input_shape[i + 1] ।

এই প্রক্রিয়াটি নিম্নলিখিত ধাপগুলোর সমতুল্য:

1. input নিম্নলিখিত আকারের reshaped রূপান্তর করুন: [ব্লক_আকৃতি[0], ..., ব্লক_আকৃতি[M-1], ব্যাচ / উৎপাদন(ব্লক_আকৃতি), ইনপুট_আকৃতি[1], ..., ইনপুট_আকৃতি[N-1]]
2. reshaped এর মাত্রাগুলিকে permuted করে [batch / prod(block_shape),input_shape[1], block_shape[0], ..., input_shape[M], block_shape[M-1],input_shape[M+1], ..., input_shape[N-1]] আকারের পুনর্বিন্যস্ত রূপ তৈরি করুন।
3. reshaped_permuted permuted [batch / prod(block_shape),input_shape[1] * block_shape[0], ..., input_shape[M] * block_shape[M-1],input_shape[M+1], ..., input_shape[N-1]] আকারের পুনর্বিন্যস্ত_পুনর্বিন্যস্ত_রূপ তৈরি করুন
4. crops অনুযায়ী reshaped_permuted এর [1, ..., M] ডাইমেনশনের শুরু এবং শেষ অংশ ক্রপ করে নিম্নলিখিত আকারের আউটপুট তৈরি করুন: [batch / prod(block_shape),input_shape[1] * block_shape[0] - crops[0,0] - crops[0,1], ..., input_shape[M] * block_shape[M-1] - crops[M-1,0] - crops[M-1,1],input_shape[M+1], ..., input_shape[N-1]]

কিছু উদাহরণ:

(1) নিম্নলিখিত ইনপুটের জন্য আকৃতি [4, 1, 1, 1] , block_shape = [2, 2] , এবং crops = [[0, 0], [0, 0]] :

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

আউটপুট টেনসরটির আকৃতি [1, 2, 2, 1] এবং মান:

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

(2) নিম্নলিখিত ইনপুটের জন্য আকৃতি [4, 1, 1, 3] , block_shape = [2, 2] , এবং crops = [[0, 0], [0, 0]] :

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

আউটপুট টেনসরটির আকৃতি [1, 2, 2, 3] এবং মান:

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

(3) নিম্নলিখিত ইনপুটের জন্য আকৃতি [4, 2, 2, 1] , block_shape = [2, 2] , এবং crops = [[0, 0], [0, 0]] :

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

আউটপুট টেনসরটির আকৃতি [1, 4, 4, 1] এবং মান:

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

(4) নিম্নলিখিত ইনপুটের জন্য আকৃতি [8, 1, 3, 1] , block_shape = [2, 2] , এবং 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]]]]

আউটপুট টেনসরটির আকৃতি [2, 2, 4, 1] এবং মান:

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

ফেরত:

• Output : আউটপুট টেনসর।

জনসাধারণের বৈশিষ্ট্য

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