tensorflow:: ops:: BatchToSpaceND

BatchToSpace dla tensorów ND typu T.

Streszczenie

Ta operacja przekształca wymiar „wsadowy” 0 na M + 1 wymiarów kształtu block_shape + [batch] , a następnie przeplata te bloki z powrotem w siatkę zdefiniowaną przez wymiary przestrzenne [1, ..., M] , aby uzyskać wynik o tej samej randze co dane wejściowe. Wymiary przestrzenne tego wyniku pośredniego są następnie opcjonalnie przycinane zgodnie z crops , aby uzyskać wynik. Jest to odwrotność funkcji SpaceToBatch. Dokładny opis znajduje się poniżej.

Argumenty:

• zakres: obiekt zakresu
• wejście: ND z kształtem input_shape = [batch] + spatial_shape + remaining_shape , gdzie spatial_shape ma wymiary M.
• block_shape: 1-D o kształcie [M] , wszystkie wartości muszą być >= 1.
• crops: 2-D o kształcie [M, 2] , wszystkie wartości muszą być ≥ 0. crops[i] = [crop_start, crop_end] określa wielkość przycięcia z wymiaru wejściowego i + 1 , co odpowiada wymiarowi przestrzennemu i . Wymagane jest, aby crop_start[i] + crop_end[i] <= block_shape[i] * input_shape[i + 1] .

Operacja ta jest równoważna z następującymi krokami:

1. Zmień kształt input na reshaped kształt: [block_shape[0], ..., block_shape[M-1], batch / prod(block_shape), input_shape[1], ..., input_shape[N-1]]
2. Permutuj wymiary reshaped , aby wytworzyć permuted kształtu [partia / produkcja(kształt_bloku),kształt_wejściowy[1], kształt_bloku[0], ..., kształt_wejściowy[M], kształt_bloku[M-1],kształt_wejściowy[M+1], ..., kształt_wejściowy[N-1]]
3. Zmień kształt permuted , aby wytworzyć reshaped_permuted kształtu [partia / prod(block_shape),input_shape[1] * block_shape[0], ..., input_shape[M] * block_shape[M-1],input_shape[M+1], ..., input_shape[N-1]]
4. Przytnij początek i koniec wymiarów [1, ..., M] reshaped_permuted zgodnie z crops , aby wygenerować wynik kształtu: [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]]

Oto kilka przykładów:

(1) Dla następującego wejścia kształtu [4, 1, 1, 1] , block_shape = [2, 2] i 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 wejścia kształtu [4, 1, 1, 3] , block_shape = [2, 2] i 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 wejścia kształtu [4, 2, 2, 1] , block_shape = [2, 2] i 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 wejścia kształtu [8, 1, 3, 1] , block_shape = [2, 2] i 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