جریان تنسور:: عملیات:: DepthToSpace
#include <array_ops.h>
DepthToSpace برای تانسورهای نوع T.
خلاصه
داده ها را از عمق به بلوک های داده های مکانی بازآرایی می کند. این تبدیل معکوس SpaceToDepth است. به طور خاص، این عملیات یک کپی از تانسور ورودی را که در آن مقادیر از بعد depth
در بلوک های فضایی به ابعاد height
و width
منتقل می شود، خروجی می دهد. attr block_size
اندازه بلوک ورودی و نحوه انتقال داده ها را نشان می دهد.
- تکههای داده با اندازه
block_size * block_size
از عمق به بلوکهای غیر همپوشانی با اندازهblock_size x block_size
مرتب میشوند. - عرض تانسور خروجی
input_depth * block_size
است، در حالی که ارتفاعinput_height * block_size
است. - مختصات Y، X در هر بلوک از تصویر خروجی توسط جزء مرتبه بالای شاخص کانال ورودی تعیین می شود.
- عمق تانسور ورودی باید بر
block_size * block_size
قابل تقسیم باشد.
data_format
attr طرح بندی تانسورهای ورودی و خروجی را با گزینه های زیر مشخص می کند: "NHWC": [ batch, height, width, channels ]
"NCHW": [ batch, channels, height, width ]
"NCHW_VECT_C": qint8 [ batch, channels / 4, height, width, 4 ]
در نظر گرفتن این عملیات به عنوان تبدیل یک تانسور 6 بعدی مفید است. به عنوان مثال برای data_format = NHWC، هر عنصر در تانسور ورودی را می توان از طریق 6 مختصات مشخص کرد، که با کاهش اهمیت چیدمان حافظه به صورت زیر مرتب می شوند: n,iY,iX,bY,bX,oC (که در آن n=شاخص دسته ای، iX, iY به معنی X است. یا مختصات Y در تصویر ورودی، bX، bY به معنای مختصات در بلوک خروجی، oC به معنای کانال های خروجی است. خروجی ورودی خواهد بود که به طرح زیر منتقل می شود: n,iY,bY,iX,bX,oC
این عملیات برای تغییر اندازه فعالسازیها بین کانولوشنها (اما حفظ تمام دادهها) مفید است، به عنوان مثال به جای ادغام. همچنین برای آموزش مدل های صرفاً کانولوشن مفید است.
برای مثال، با توجه به ورودی شکل [1, 1, 1, 4]
، data_format = "NHWC" و block_size = 2:
x = [[[[1, 2, 3, 4]]]]
This operation will output a tensor of shape
[1, 2, 2, 1]
:
[[[[1], [2]], [[3], [4]]]]در اینجا، ورودی دارای یک دسته 1 است و هر عنصر دسته دارای شکل
[1, 1, 4]
است، خروجی مربوطه دارای عناصر 2x2 و عمق 1 کانال خواهد بود (1 =4 / (block_size * block_size)
). شکل عنصر خروجی[2, 2, 1]
است.برای یک تانسور ورودی با عمق بیشتر، در اینجا شکل
[1, 1, 1, 12]
، به عنوان مثال
x = [[[[1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12]]]]این عملیات، برای اندازه بلوک 2، تانسور شکل زیر را برمی گرداند
[1, 2, 2, 3]
[[[[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]]]]عملگر تانسور شکل زیر را برمی گرداند
[1 4 4 1]
:
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
operation
Operation operation
خروجی
::tensorflow::Output output
توابع عمومی
DepthToSpace
DepthToSpace( const ::tensorflow::Scope & scope, ::tensorflow::Input input, int64 block_size )
DepthToSpace
DepthToSpace( const ::tensorflow::Scope & scope, ::tensorflow::Input input, int64 block_size, const DepthToSpace::Attrs & attrs )
گره
::tensorflow::Node * node() const
عملگر::tensorflow::ورودی
operator::tensorflow::Input() const
عملگر::tensorflow::خروجی
operator::tensorflow::Output() const
توابع استاتیک عمومی
DataFormat
Attrs DataFormat( StringPiece x )
جز در مواردی که غیر از این ذکر شده باشد،محتوای این صفحه تحت مجوز Creative Commons Attribution 4.0 License است. نمونه کدها نیز دارای مجوز Apache 2.0 License است. برای اطلاع از جزئیات، به خطمشیهای سایت Google Developers مراجعه کنید. جاوا علامت تجاری ثبتشده Oracle و/یا شرکتهای وابسته به آن است.
تاریخ آخرین بهروزرسانی 2024-11-25 بهوقت ساعت هماهنگ جهانی.