tf.compat.v1.batch_to_space_nd

BatchToSpace для N-мерных тензоров типа T.

Просмотреть псевдонимы

Псевдонимы совместимости для миграции

Дополнительную информацию см. в руководстве по миграции.

tf.compat.v1.manip.batch_to_space_nd

tf.compat.v1.batch_to_space_nd(
    input: Annotated[Any, TV_BatchToSpaceND_T],
    block_shape: Annotated[Any, TV_BatchToSpaceND_Tblock_shape],
    crops: Annotated[Any, TV_BatchToSpaceND_Tcrops],
    name=None
) -> Annotated[Any, TV_BatchToSpaceND_T]

Эта операция преобразует измерение 0 «пакета» (batch) в измерения M + 1 формы block_shape + [batch], чередует эти блоки обратно в сетку, определяемую пространственными измерениями [1, ..., M], чтобы получить результат с тем же рангом, что и у входных данных. Пространственные измерения этого промежуточного результата затем при необходимости обрезаются в соответствии с crops для получения выходных данных. Это операция, обратная SpaceToBatch. Подробное описание см. ниже.

Аргументы
`input`	`Tensor`. N-мерный с формой `input_shape = [batch] + spatial_shape + remaining_shape`, где spatial_shape имеет M измерений.
`block_shape`	`Tensor`. Должен быть одного из следующих типов: `int32`, `int64`. 1-мерный с формой `[M]`, все значения должны быть >= 1.
`crops`	`Tensor`. Должен быть одного из следующих типов: `int32`, `int64`. 2-мерный с формой `[M, 2]`, все значения должны быть >= 0. `crops[i] = [crop_start, crop_end]` задает величину обрезки для входного измерения `i + 1`, которое соответствует пространственному измерению `i`. Требуется, чтобы `crop_start[i] + crop_end[i] <= block_shape[i] * input_shape[i + 1]`. Эта операция эквивалентна следующим шагам: Изменить форму `input` на `reshaped` формы: [block_shape[0], ..., block_shape[M-1], batch / prod(block_shape), input_shape[1], ..., input_shape[N-1]] Переставить измерения `reshaped` для получения `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]] Изменить форму `permuted` для получения `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]] Обрезать начало и конец измерений `[1, ..., M]` у `reshaped_permuted` в соответствии с `crops` для получения результата формы: [batch / prod(block_shape), input_shape[1] * block_shape[0] - crops[0,0] - crops[0,1], ..., input_shape[M] * block_shape[M-1] - crops[M-1,0] - crops[M-1,1], input_shape[M+1], ..., input_shape[N-1]] Несколько примеров: (1) Для следующих входных данных 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 следующих входных данных 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 следующих входных данных 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 следующих входных данных 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]]]]
`name`	Имя для операции (необязательно).

Возвращаемое значение
`Tensor`. Имеет тот же тип, что и `input`.

© 2022 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 4.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/api_docs/python/tf/compat/v1/batch_to_space_nd