тензорный поток:: опс:: BatchToSpaceND

BatchToSpace для ND-тензоров типа T.

Краткое содержание

Эта операция преобразует «пакетное» измерение 0 в M + 1 измерений shape block_shape + [batch] , чередует эти блоки обратно в сетку, определенную пространственными измерениями [1, ..., M] , чтобы получить результат с того же ранга, что и вход. Пространственные размеры этого промежуточного результата затем опционально обрезаются в соответствии с crops для получения выходных данных. Это противоположность SpaceToBatch. Подробное описание смотрите ниже.

Аргументы:

• область: объект области.
• ввод: ND с формой input_shape = [batch] + spatial_shape + remaining_shape , где пространственная_форма имеет M измерений.
• block_shape: 1-D с формой [M] , все значения должны быть >= 1.
• урожаи: 2-D с формой [M, 2] , все значения должны быть >= 0. crops[i] = [crop_start, crop_end] указывает количество обрезки из входного измерения i + 1 , что соответствует пространственному измерению i . Требуется, чтобы crop_start[i] + crop_end[i] <= block_shape[i] * input_shape[i + 1] .

Эта операция эквивалентна следующим шагам:

1. Изменить форму input , чтобы reshaped форму формы: [block_shape[0], ..., block_shape[M-1], пакет / prod(block_shape), input_shape[1], ..., input_shape[N-1]]
2. Измените размеры reshaped , чтобы получить permuted форму [batch / prod(block_shape),input_shape[1],block_shape[0], ..., input_shape[M],block_shape[M-1],input_shape[M+1], ..., input_shape[N-1]]
3. Изменение формы permuted для создания reshaped_permuted формы [batch / prod(block_shape),input_shape[1] * block_shape[0], ..., input_shape[M] * block_shape[M-1],input_shape[M+1], .. ., input_shape[N-1]]
4. Обрежьте начало и конец размеров [1, ..., M] reshaped_permuted в соответствии с crops , чтобы получить на выходе фигуру: [batch / prod(block_shape),input_shape[1] * block_shape[0] - Crops[0, 0] - культуры[0,1], ..., input_shape[M] * block_shape[M-1] - культуры[M-1,0] - культуры[M-1,1],input_shape[M+1] , ..., input_shape[N-1]]

Несколько примеров:

(1) Для следующего ввода формы [4, 1, 1, 1] , block_shape = [2, 2] и crops = [[0, 0], [0, 0]] :

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

Выходной тензор имеет форму [1, 2, 2, 1] и значение:

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

(2) Для следующего ввода формы [4, 1, 1, 3] , block_shape = [2, 2] и crops = [[0, 0], [0, 0]] :

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

Выходной тензор имеет форму [1, 2, 2, 3] и значение:

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

(3) Для следующего ввода формы [4, 2, 2, 1] , block_shape = [2, 2] и crops = [[0, 0], [0, 0]] :

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

Выходной тензор имеет форму [1, 4, 4, 1] и значение:

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

(4) Для следующего ввода формы [8, 1, 3, 1] , block_shape = [2, 2] и 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]]]]

Выходной тензор имеет форму [2, 2, 4, 1] и значение:

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

Возврат:

• Output : выходной тензор.

Публичные атрибуты

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