przepływ tensorowy:: ops:: BatchToSpaceND

BatchToSpace dla tensorów ND typu T.

Streszczenie

Ta operacja przekształca wymiar „wsadowy” 0 na wymiary M + 1 kształtu block_shape + [batch] , przeplata te bloki z powrotem w siatkę zdefiniowaną przez wymiary przestrzenne [1, ..., M] , aby uzyskać wynik z taką samą rangę jak wejście. Wymiary przestrzenne tego wyniku pośredniego są następnie opcjonalnie przycinane w zależności od crops aby uzyskać wynik. To jest odwrotność SpaceToBatch. Dokładny opis znajdziesz poniżej.

Argumenty:

• zakres: Obiekt Scope
• dane wejściowe: ND z kształtem input_shape = [batch] + spatial_shape + remaining_shape , gdzie przestrzenny_kształt ma M wymiarów.
• block_shape: 1-D z kształtem [M] , wszystkie wartości muszą wynosić >= 1.
• uprawy: 2-D z kształtem [M, 2] , wszystkie wartości muszą być >= 0. crops[i] = [crop_start, crop_end] określa wielkość przycięcia z wymiaru wejściowego i + 1 , który odpowiada wymiarowi przestrzennemu i . Wymagane jest, aby crop_start[i] + crop_end[i] <= block_shape[i] * input_shape[i + 1] .

Ta operacja jest równoważna następującym krokom:

1. Zmień kształt input na reshaped kształt: [block_shape[0], ..., block_shape[M-1], wsad / prod(block_shape), input_shape[1], ..., input_shape[N-1]]
2. Zmień wymiary reshaped , aby uzyskać permuted kształt [batch / prod(block_shape),input_shape[1], block_shape[0], ..., input_shape[M], block_shape[M-1],input_shape[M+1], ..., kształt_wejściowy[N-1]]
3. Dokonano permuted kształtu, aby uzyskać reshaped_permuted kształt [partia / prod(block_shape),input_shape[1] * block_shape[0], ..., input_shape[M] * block_shape[M-1],input_shape[M+1], .. ., kształt_wejściowy[N-1]]
4. Przytnij początek i koniec wymiarów [1, ..., M] reshaped_permuted zgodnie z crops , aby uzyskać wynik kształtu: [partia / prod(block_shape),input_shape[1] * block_shape[0] - uprawy[0, 0] - uprawy[0,1], ..., input_shape[M] * block_shape[M-1] - uprawy[M-1,0] - uprawy[M-1,1],input_shape[M+1] , ..., kształt_wejściowy[N-1]]

Kilka przykładów:

(1) Dla następujących danych wejściowych kształtu [4, 1, 1, 1] , block_shape = [2, 2] i crops = [[0, 0], [0, 0]] :

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

Tensor wyjściowy ma kształt [1, 2, 2, 1] i wartość:

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

(2) Dla następującego wprowadzenia kształtu [4, 1, 1, 3] , block_shape = [2, 2] i crops = [[0, 0], [0, 0]] :

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

Tensor wyjściowy ma kształt [1, 2, 2, 3] i wartość:

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

(3) Dla następującego wprowadzenia kształtu [4, 2, 2, 1] , block_shape = [2, 2] i crops = [[0, 0], [0, 0]] :

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

Tensor wyjściowy ma kształt [1, 4, 4, 1] i wartość:

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

(4) Dla następującego wprowadzenia kształtu [8, 1, 3, 1] , block_shape = [2, 2] i crops = [[0, 0], [2, 0]] :

x = [[[[0], [1], [3]]], [[[0], [9], [11]]],
     [[[0], [2], [4]]], [[[0], [10], [12]]],
     [[[0], [5], [7]]], [[[0], [13], [15]]],
     [[[0], [6], [8]]], [[[0], [14], [16]]]]

Tensor wyjściowy ma kształt [2, 2, 4, 1] i wartość:

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

Zwroty:

• Output : Tensor wyjściowy.

Atrybuty publiczne

Operation operation

::tensorflow::Output output

 BatchToSpaceND(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input input,
  ::tensorflow::Input block_shape,
  ::tensorflow::Input crops
)

::tensorflow::Node * node() const 

 operator::tensorflow::Input() const 

 operator::tensorflow::Output() const