DepthToSpace

DepthToSpace pour les tenseurs de type T.

Réorganise les données de la profondeur en blocs de données spatiales. Il s'agit de la transformation inverse de SpaceToDepth. Plus précisément, cette opération génère une copie du tenseur d'entrée où les valeurs de la dimension « profondeur » sont déplacées dans des blocs spatiaux vers les dimensions « hauteur » et « largeur ». L'attr `block_size` indique la taille du bloc d'entrée et la manière dont les données sont déplacées.

* Des morceaux de données de taille `block_size * block_size` à partir de la profondeur sont réorganisés en blocs non chevauchants de taille `block_size x block_size` * La largeur du tenseur de sortie est `input_degree * block_size`, alors que la hauteur est `input_height * block_size`. * Les coordonnées Y, X dans chaque bloc de l'image de sortie sont déterminées par la composante d'ordre supérieur de l'index du canal d'entrée. * La profondeur du tenseur d'entrée doit être divisible par `block_size * block_size`.

L'attr `data_format` spécifie la disposition des tenseurs d'entrée et de sortie avec les options suivantes : "NHWC": `[ lot, hauteur, largeur, canaux ]` "NCHW": `[ lot, canaux, hauteur, largeur ]` " NCHW_VECT_C": `qint8 [ lot, canaux / 4, hauteur, largeur, 4 ]`

Il est utile de considérer l'opération comme une transformation d'un tenseur 6-D. Par exemple, pour data_format = NHWC, chaque élément du tenseur d'entrée peut être spécifié via 6 coordonnées, classées par importance décroissante de la disposition de la mémoire comme : n,iY,iX,bY,bX,oC (où n=index du lot, iX, iY signifie X ou coordonnées Y dans l'image d'entrée, bX, bY signifie coordonnées dans le bloc de sortie, oC signifie canaux de sortie). La sortie serait l'entrée transposée dans la disposition suivante : n,iY,bY,iX,bX,oC

Cette opération est utile pour redimensionner les activations entre convolutions (mais en conservant toutes les données), par exemple au lieu de les regrouper. Il est également utile pour former des modèles purement convolutifs.

Par exemple, étant donné une entrée de forme `[1, 1, 1, 4]`, data_format = "NHWC" et block_size = 2 :

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

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

Pour un tenseur d'entrée avec une plus grande profondeur, ici de forme `[1, 1, 1, 12]`, par exemple

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

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

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

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