tensorflow::ops::BatchToSpaceND

BatchToSpace สำหรับเทนเซอร์ ND ประเภท T

สรุป

การดำเนินการนี้จะปรับรูปร่างมิติ "ชุดข้อมูล" 0 ให้เป็นมิติ M + 1 ที่มีรูปร่าง block_shape + [batch] จากนั้นจะสลับบล็อกเหล่านี้กลับเข้าไปในตารางที่กำหนดโดยมิติเชิงพื้นที่ [1, ..., M] เพื่อให้ได้ผลลัพธ์ที่มีลำดับเดียวกันกับข้อมูลป้อนเข้า จากนั้นมิติเชิงพื้นที่ของผลลัพธ์ระดับกลางนี้จะถูกตัดออกตาม crops เพื่อสร้างเอาต์พุต การดำเนินการนี้เป็นการดำเนินการย้อนกลับของ SpaceToBatch ดูคำอธิบายโดยละเอียดด้านล่าง

ข้อโต้แย้ง:

• ขอบเขต: วัตถุ ขอบเขต
• อินพุต: ND ที่มีรูปร่าง input_shape = [batch] + spatial_shape + remaining_shape โดยที่ spatial_shape มีมิติ M
• block_shape: 1 มิติ รูปทรง [M] ค่าทั้งหมดต้องมากกว่าหรือเท่ากับ 1
• crops: 2 มิติ มีรูปร่าง [M, 2] ค่าทั้งหมดต้อง >= 0 crops[i] = [crop_start, crop_end] ระบุปริมาณที่จะตัดจากมิติอินพุต i + 1 ซึ่งสอดคล้องกับมิติเชิงพื้นที่ i จำเป็นต้องมีเงื่อนไขว่า crop_start[i] + crop_end[i] <= block_shape[i] * input_shape[i + 1]

การดำเนินการนี้เทียบเท่ากับขั้นตอนต่อไปนี้:

1. ปรับ input เป็นรูปร่าง reshaped : [block_shape[0], ..., block_shape[M-1], batch / prod(block_shape), input_shape[1], ..., input_shape[N-1]]
2. สลับมิติของ reshaped เพื่อสร้างรูปร่าง 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]]
3. ปรับ permuted ใหม่เพื่อสร้าง reshaped_permuted ที่มีรูปร่าง [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]]
4. ตัดส่วนเริ่มต้นและส่วนสิ้นสุดของมิติ [1, ..., M] ของ reshaped_permuted ตาม crops เพื่อสร้างเอาต์พุตที่มีรูปร่าง: [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]]

ตัวอย่างบางส่วน:

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

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

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

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

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

การส่งคืนสินค้า:

• Output : เทนเซอร์เอาต์พุต

คุณลักษณะสาธารณะ

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