SpaceToBatch untuk tensor ND tipe T.
Operasi ini membagi dimensi "spasial" `[1, ..., M]` dari masukan ke dalam kisi-kisi blok berbentuk `block_shape`, dan menyisipkan blok-blok ini dengan dimensi "batch" (0) sedemikian rupa sehingga pada keluaran , dimensi spasial `[1, ..., M]` sesuai dengan posisi dalam grid, dan dimensi kumpulan menggabungkan posisi dalam blok spasial dan posisi kumpulan asli. Sebelum dibagi menjadi beberapa blok, dimensi spasial masukan secara opsional diberi bantalan nol menurut `paddings`. Lihat di bawah untuk deskripsi yang tepat.
Konstanta
Rangkaian | OP_NAME | Nama operasi ini dikenal dengan mesin inti TensorFlow |
Metode Publik
Keluaran <T> | sebagai Keluaran () Mengembalikan pegangan simbolis tensor. |
statis <T memperluas TType > SpaceToBatchNd <T> | |
Keluaran <T> | keluaran () |
Metode Warisan
Konstanta
String akhir statis publik OP_NAME
Nama operasi ini dikenal dengan mesin inti TensorFlow
Metode Publik
Keluaran publik <T> sebagai Keluaran ()
Mengembalikan pegangan simbolis tensor.
Masukan ke operasi TensorFlow adalah keluaran dari operasi TensorFlow lainnya. Metode ini digunakan untuk mendapatkan pegangan simbolis yang mewakili perhitungan input.
public static SpaceToBatchNd <T> buat ( Lingkup lingkup , input Operand <T>, Operand <? extends TNumber > blockShape, Operand <? extends TNumber > paddings)
Metode pabrik untuk membuat kelas yang membungkus operasi SpaceToBatchNd baru.
Parameter
cakupan | ruang lingkup saat ini |
---|---|
masukan | ND dengan bentuk `input_shape = [batch] + spasial_shape + sisa_shape`, dengan spasial_shape memiliki dimensi `M`. |
bentuk blok | 1-D dengan bentuk `[M]`, semua nilai harus >= 1. |
bantalan | 2-D dengan bentuk `[M, 2]`, semua nilai harus >= 0. `paddings[i] = [pad_start, pad_end]` menentukan padding untuk dimensi input `i + 1`, yang sesuai dengan dimensi spasial 'saya'. `block_shape[i]` harus membagi `input_shape[i + 1] + pad_start + pad_end`. Operasi ini setara dengan langkah-langkah berikut: 1. Zero-pad pada awal dan akhir dimensi `[1, ..., M]` dari input sesuai dengan `paddings` untuk menghasilkan `padded` dengan bentuk `padded_shape`. 2. Bentuk ulang bentuk `padded` menjadi `reshape_padded`: [batch] + [padded_shape[1] / block_shape[0], block_shape[0], ..., padded_shape[M] / block_shape[M-1], block_shape[M-1]] + sisa_shape 3. Ubah dimensi `reshape_padded` untuk menghasilkan bentuk `permuted_reshape_padded`: block_shape + [batch] + [padded_shape[1] / block_shape[0], ..., padded_shape[M] / block_shape[M-1]] + sisa_shape 4. Bentuk ulang `permuted_reshape_padded` untuk meratakan `block_shape` ke dalam dimensi batch, sehingga menghasilkan output tensor berbentuk: [batch * prod(block_shape)] + [padded_shape[1] / block_shape[0], ..., padded_shape[M] / block_shape[M-1]] + sisa_shape Beberapa contoh: (1) Untuk input bentuk `[1, 2, 2, 1]`, `block_shape = [2, 2]`, dan `paddings = [[0, 0], [0, 0]]` berikut:
|
Kembali
- contoh baru SpaceToBatchNd