SpaceToDepth

SpaceToDepth para tensores do tipo T.

Reorganiza blocos de dados espaciais em profundidade. Mais especificamente, esta operação produz uma cópia do tensor de entrada onde os valores das dimensões `altura` e` largura` são movidos para a dimensão `profundidade`. O attr `block_size` indica o tamanho do bloco de entrada.

* Os blocos não sobrepostos de tamanho `block_size x tamanho do bloco` são reorganizados em profundidade em cada local. * A profundidade do tensor de saída é `block_size * block_size * input_depth`. * As coordenadas Y, X dentro de cada bloco da entrada tornam-se o componente de ordem superior do índice do canal de saída. * A altura e largura do tensor de entrada devem ser divisíveis por block_size.

O atributo `data_format` especifica o layout dos tensores de entrada e saída com as seguintes opções:" NHWC ":` [lote, altura, largura, canais] `" NCHW ":` [lote, canais, altura, largura] `" NCHW_VECT_C ":` qint8 [lote, canais / 4, altura, largura, 4] `

É útil considerar a operação como a transformação de um tensor 6-D. por exemplo, para data_format = NHWC, cada elemento no tensor de entrada pode ser especificado por meio de 6 coordenadas, ordenadas diminuindo a significância do layout de memória como: n, oY, bY, oX, bX, iC (onde n = índice de lote, oX, oY significa X ou coordenadas Y dentro da imagem de saída, bX, bY significa coordenadas dentro do bloco de entrada, iC significa canais de entrada). A saída seria uma transposição para o seguinte layout: n, oY, oX, bY, bX, iC

Esta operação é útil para redimensionar as ativações entre as convoluções (mas mantendo todos os dados), por exemplo, em vez de agrupamento. Também é útil para treinar modelos puramente convolucionais.

Por exemplo, dada uma entrada de forma `[1, 2, 2, 1]`, data_format = "NHWC" e block_size = 2:

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

Esta saída funcionamento vontade um tensor de forma `[1, 1, 1, 4 ] `:

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

Aqui, a entrada tem um lote de 1 e cada elemento lote tem forma` [2, 2, 1] `, a saída correspondente terá um único elemento (ou seja, largura e altura são ambos 1) e vai tem uma profundidade de 4 canais (1 * block_size * block_size). A forma do elemento de saída é `[1, 1, 4]`.

Para um tensor de entrada com maior profundidade, aqui de forma `[1, 2, 2, 3]`, por exemplo

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

Esta operação, para block_size de 2, voltará a seguinte tensor de forma `[1, 1, 1, 12] `

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

da mesma forma, para o seguinte de entrada de forma` [1 4 4 1] `, e um tamanho de bloco de 2:

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

o operador irá devolver o seguinte tensor de forma` [1 2 2 4] ` :

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