tensorflow::ops::DepthToSpace
#include <array_ops.h>ฟังก์ชัน DepthToSpace สำหรับเทนเซอร์ประเภท T
สรุป
จัดเรียงข้อมูลจากมิติความลึกใหม่เป็นบล็อกข้อมูลเชิงพื้นที่ นี่คือการแปลงย้อนกลับของ SpaceToDepth โดยเฉพาะอย่างยิ่ง การดำเนินการนี้จะส่งออกสำเนาของเทนเซอร์อินพุต โดยที่ค่าจากมิติ depth จะถูกย้ายในบล็อกเชิงพื้นที่ไปยังมิติ height และ width คุณลักษณะ block_size ระบุขนาดบล็อกอินพุตและวิธีการย้ายข้อมูล
- ข้อมูลขนาด
block_size * block_sizeจากระดับความลึกจะถูกจัดเรียงใหม่เป็นบล็อกที่ไม่ทับซ้อนกันขนาดblock_size x block_size - ความกว้างของเทนเซอร์เอาต์พุตคือ
input_depth * block_sizeในขณะที่ความสูงคือinput_height * block_size - พิกัด Y และ X ภายในแต่ละบล็อกของภาพเอาต์พุตจะถูกกำหนดโดยส่วนประกอบลำดับสูงของดัชนีช่องสัญญาณอินพุต
- ความลึกของเทนเซอร์อินพุตต้องหารลงตัวด้วย
block_size * block_size
แอตทริบิวต์ data_format ระบุรูปแบบของเทนเซอร์อินพุตและเอาต์พุตด้วยตัวเลือกต่อไปนี้: "NHWC": [ batch, height, width, channels ] "NCHW": [ batch, channels, height, width ] "NCHW_VECT_C": qint8 [ batch, channels / 4, height, width, 4 ]
การพิจารณาการดำเนินการนี้เป็นการแปลง เทนเซอร์ 6 มิติ จะเป็นประโยชน์ ตัวอย่างเช่น สำหรับ data_format = NHWC แต่ละองค์ประกอบในเทนเซอร์อินพุตสามารถระบุได้ผ่านพิกัด 6 ตำแหน่ง เรียงลำดับตามความสำคัญของโครงสร้างหน่วยความจำจากมากไปน้อยดังนี้: n, iY, iX, bY, bX, oC (โดยที่ n = ดัชนีแบทช์, iX, iY หมายถึงพิกัด X หรือ Y ภายในภาพอินพุต, bX, bY หมายถึงพิกัดภายในบล็อกเอาต์พุต, oC หมายถึงช่องสัญญาณเอาต์พุต) เอาต์พุตจะเป็นอินพุตที่ถูกสลับตำแหน่งไปยังโครงสร้างต่อไปนี้: n, iY, bY, iX, bX, oC
การดำเนินการนี้มีประโยชน์สำหรับการปรับขนาดค่าแอคติเวชันระหว่างการคอนโวลูชัน (แต่ยังคงเก็บข้อมูลทั้งหมดไว้) เช่น ใช้แทนการพูลลิ่ง นอกจากนี้ยังเป็นประโยชน์สำหรับการฝึกโมเดลคอนโวลูชันโดยเฉพาะอีกด้วย
ตัวอย่างเช่น หากกำหนดอินพุตที่มีรูปร่าง [1, 1, 1, 4] , data_format = "NHWC" และ block_size = 2:
x = [[[[1, 2, 3, 4]]]]
This operation will output a tensor of shape
[1, 2, 2, 1]:
[[[[1], [2]], [[3], [4]]]]
ในที่นี้ ข้อมูลนำเข้ามีชุดข้อมูลขนาด 1 และแต่ละองค์ประกอบในชุดข้อมูลมีรูปร่าง [1, 1, 4] ส่วนข้อมูลส่งออกจะมีองค์ประกอบขนาด 2x2 และมีความลึก 1 ช่องสัญญาณ (1 = 4 / (block_size * block_size) ) และรูปร่างขององค์ประกอบในข้อมูลส่งออกคือ [2, 2, 1]
สำหรับเทนเซอร์อินพุตที่มีความลึกมากขึ้น เช่น ในที่นี้มีรูปร่าง [1, 1, 1, 12]
x = [[[[1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12]]]]
การดำเนินการนี้ สำหรับขนาดบล็อก 2 จะส่งคืนเทนเซอร์ที่มีรูปร่าง [1, 2, 2, 3] ดังต่อไปนี้
[[[[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]]]]
ตัวดำเนินการจะส่งคืนเทนเซอร์ที่มีรูปร่าง [1 4 4 1] ดังต่อไปนี้:
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
เอาต์พุต
::tensorflow::Output output
หน้าที่สาธารณะ
ความลึกสู่พื้นที่
DepthToSpace( const ::tensorflow::Scope & scope, ::tensorflow::Input input, int64 block_size )
ความลึกสู่พื้นที่
DepthToSpace( const ::tensorflow::Scope & scope, ::tensorflow::Input input, int64 block_size, const DepthToSpace::Attrs & attrs )
โหนด
::tensorflow::Node * node() const
ตัวดำเนินการ::เทนเซอร์โฟลว์::อินพุต
operator::tensorflow::Input() const
ตัวดำเนินการ::เทนเซอร์โฟลว์::เอาต์พุต
operator::tensorflow::Output() const
ฟังก์ชันคงที่สาธารณะ
รูปแบบข้อมูล
Attrs DataFormat( StringPiece x )