dòng chảy căng:: ôi:: BatchToSpaceND

BatchToSpace cho các tensor ND loại T.

Bản tóm tắt

Hoạt động này định hình lại kích thước "lô" 0 thành kích thước M + 1 của hình dạng block_shape + [batch] , xen kẽ các khối này trở lại lưới được xác định bởi kích thước không gian [1, ..., M] , để thu được kết quả với cùng thứ hạng với đầu vào. Sau đó, các kích thước không gian của kết quả trung gian này được cắt tùy ý theo crops để tạo ra đầu ra. Đây là mặt trái của SpaceToBatch. Xem bên dưới để biết mô tả chính xác.

Lập luận:

• phạm vi: Một đối tượng Phạm vi
• đầu vào: ND có hình dạng input_shape = [batch] + spatial_shape + remaining_shape , trong đó không gian_shape có kích thước M.
• block_shape: 1-D với hình dạng [M] , tất cả các giá trị phải >= 1.
• crop: 2-D có hình dạng [M, 2] , tất cả các giá trị phải >= 0. crops[i] = [crop_start, crop_end] chỉ định số lượng cần cắt từ thứ nguyên đầu vào i + 1 , tương ứng với thứ nguyên không gian i . Yêu cầu crop_start[i] + crop_end[i] <= block_shape[i] * input_shape[i + 1] .

Thao tác này tương đương với các bước sau:

1. Định hình lại input để reshaped hình dạng: [block_shape[0], ..., block_shape[M-1], batch / prod(block_shape), input_shape[1], ..., input_shape[N-1]]
2. Cho phép các kích thước của reshaped để tạo ra hình dạng permuted [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. Định hình permuted để tạo ra reshaped_permuted [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. Cắt phần đầu và phần cuối của kích thước [1, ..., M] của reshaped_permuted theo crops để tạo ra đầu ra của hình dạng: [batch / prod(block_shape),input_shape[1] * block_shape[0] - crop[0, 0] - crop[0,1], ..., input_shape[M] * block_shape[M-1] - crop[M-1,0] - crop[M-1,1],input_shape[M+1] , ..., input_shape[N-1]]

Một số ví dụ:

(1) Đối với đầu vào sau của hình dạng [4, 1, 1, 1] , block_shape = [2, 2] và crops = [[0, 0], [0, 0]] :

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

Tensor đầu ra có dạng [1, 2, 2, 1] và có giá trị:

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

(2) Đối với đầu vào sau của hình dạng [4, 1, 1, 3] , block_shape = [2, 2] và crops = [[0, 0], [0, 0]] :

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

Tensor đầu ra có dạng [1, 2, 2, 3] và có giá trị:

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

(3) Đối với đầu vào sau của hình dạng [4, 2, 2, 1] , block_shape = [2, 2] và crops = [[0, 0], [0, 0]] :

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

Tenxơ đầu ra có dạng [1, 4, 4, 1] và có giá trị:

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

(4) Đối với đầu vào sau của hình dạng [8, 1, 3, 1] , block_shape = [2, 2] và 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 đầu ra có dạng [2, 2, 4, 1] và có giá trị:

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

Trả về:

• Output : Tenxor đầu ra.

Thuộc tính công khai

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