텐서플로우:: 작전:: BatchToSpace

T 유형의 4차원 텐서에 대한 BatchToSpace .

요약

이는 보다 일반적인 BatchToSpaceND 의 레거시 버전입니다.

배치의 데이터를 공간 데이터 블록으로 재배열(순열)한 후 자릅니다. 이는 SpaceToBatch의 역변환입니다. 보다 구체적으로, 이 작업은 batch 차원의 값이 공간 블록에서 height 및 width 차원으로 이동한 다음 height 및 width 차원을 따라 자르는 입력 텐서의 복사본을 출력합니다.

인수:

• 범위: 범위 개체
• 입력: [batch*block_size*block_size, height_pad/block_size, width_pad/block_size, depth] 형태의 4차원 텐서. 입력 텐서의 배치 크기는 block_size * block_size 로 나눌 수 있어야 합니다.
• 작물: [2, 2] 형태의 음이 아닌 정수로 구성된 2차원 텐서. 다음과 같이 공간 차원에 걸쳐 중간 결과에서 잘라낼 요소 수를 지정합니다.

  crops = [[crop_top, crop_bottom], [crop_left, crop_right]]

보고:

• Output : [batch, height, width, depth] 모양의 4D, 여기서:

  height = height_pad - crop_top - crop_bottom
  width = width_pad - crop_left - crop_right

속성 block_size 1보다 커야 합니다. 블록 크기를 나타냅니다.

몇 가지 예:

(1) 다음과 같은 모양 [4, 1, 1, 1] 및 block_size 2를 입력하는 경우:

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

출력 텐서는 [1, 2, 2, 1] 모양과 값을 갖습니다.

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

(2) 다음 입력의 모양 [4, 1, 1, 3] 및 block_size 2의 경우:

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

출력 텐서는 [1, 2, 2, 3] 모양과 값을 갖습니다.

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

(3) 다음과 같은 모양 [4, 2, 2, 1] 및 block_size 2를 입력하는 경우:

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

출력 텐서의 모양은 [1, 4, 4, 1] 이고 값은 다음과 같습니다.

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

(4) 다음 입력의 모양 [8, 1, 2, 1] 및 block_size 2의 경우:

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

출력 텐서의 모양은 [2, 2, 4, 1] 이고 값은 다음과 같습니다.

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

공개 속성

Operation operation

::tensorflow::Output output

 BatchToSpace(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input input,
  ::tensorflow::Input crops,
  int64 block_size
)

::tensorflow::Node * node() const 

 operator::tensorflow::Input() const 

 operator::tensorflow::Output() const