tf.compat.v1.space_to_depth

SpaceToDepth для тензоров типа T.

tf.compat.v1.space_to_depth(
    input, block_size, name=None, data_format='NHWC'
)

Переставляет блоки пространственных данных в глубину. Точнее, эта операция создает копию входного тензора, в которой значения из измерений height и width перемещаются в измерение depth. Атрибут block_size задает размер входного блока.

• Неперекрывающиеся блоки размера block_size x block size в каждой позиции переставляются в глубину.
• Глубина выходного тензора равна block_size * block_size * input_depth.
• Координаты Y и X внутри каждого блока входных данных становятся компонентами старших разрядов индекса выходного канала.
• Высота и ширина входного тензора должны делиться на block_size.

Атрибут data_format задает формат входных и выходных тензоров из следующих вариантов: "NHWC": [ batch, height, width, channels ] "NCHW": [ batch, channels, height, width ] "NCHW_VECT_C": qint8 [ batch, channels / 4, height, width, 4 ]

Полезно рассматривать эту операцию как преобразование 6-мерного тензора. Например, при data_format = NHWC каждый элемент входного тензора можно задать шестью координатами, упорядоченными по убыванию значимости в расположении в памяти: n,oY,bY,oX,bX,iC (где n — индекс пакета, oX и oY — координаты X и Y внутри выходного изображения, bX и bY — координаты внутри входного блока, iC — входные каналы). В результате транспонирования выходные данные будут иметь следующий порядок: n,oY,oX,bY,bX,iC

Эта операция полезна для изменения размера активаций между свертками (с сохранением всех данных), например, вместо пулинга. Она также полезна для обучения полностью сверточных моделей.

Например, для входных данных формы [1, 2, 2, 1], data_format = "NHWC" и block_size = 2:

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

Эта операция вернет тензор формы [1, 1, 1, 4]:

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

Здесь входные данные содержат один пакет, и каждый его элемент имеет форму [2, 2, 1]; соответствующий выход будет содержать один элемент (то есть ширина и высота будут равны 1) с глубиной 4 канала (1 * block_size * block_size). Форма выходного элемента — [1, 1, 4].

Для входного тензора большей глубины, например формы [1, 2, 2, 3]:

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

Эта операция при block_size, равном 2, вернет следующий тензор формы [1, 1, 1, 12]

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

Аналогично, для следующих входных данных формы [1 4 4 1] и размера блока 2:

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

оператор вернет следующий тензор формы [1 2 2 4]:

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