tf.nn.depth_to_space

Операция DepthToSpace для тензоров типа T.

tf.nn.depth_to_space(
    input, block_size, data_format='NHWC', name=None
)

Переставляет данные из глубины в блоки пространственных данных. Это обратное преобразование SpaceToDepth. В частности, эта операция выводит копию входного тензора, в которой значения из измерения depth перемещаются пространственными блоками в измерения height и width. Атрибут block_size задаёт размер блока входных данных и способ их перемещения.

• Фрагменты данных размером block_size * block_size из глубины переставляются в неперекрывающиеся блоки размером block_size x block_size
• Ширина выходного тензора равна input_depth * block_size, а высота — input_height * block_size.
• Координаты Y и X внутри каждого блока выходного изображения определяются старшими разрядами индекса входного канала.
• Глубина входного тензора должна быть кратна block_size * block_size.

Атрибут data_format задаёт формат входного и выходного тензоров и принимает следующие значения: "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, для data_format = NHWC каждый элемент входного тензора можно задать шестью координатами, упорядоченными по убыванию значимости в памяти: n,iY,iX,bY,bX,oC (где n — индекс пакета, iX и iY — координаты X или Y во входном изображении, bX и bY — координаты в выходном блоке, а oC — количество выходных каналов). Выходной тензор получается транспонированием входного к следующему формату: n,iY,bY,iX,bX,oC

Эта операция полезна для изменения размера активаций между свёрточными слоями без потери данных, например, вместо пулинга. Она также полезна для обучения полностью свёрточных моделей.

Например, для входных данных формы [1, 1, 1, 4], data_format = "NHWC" и block_size = 2:

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

Эта операция вернёт тензор формы [1, 2, 2, 1]:

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

Здесь входные данные состоят из пакета размером 1, и каждый элемент пакета имеет форму [1, 1, 4]; соответствующий выход будет содержать элементы 2x2 и иметь глубину в 1 канал (1 = 4 / (block_size * block_size)). Форма элемента выходных данных — [2, 2, 1].

Для входного тензора с большей глубиной, например формы [1, 1, 1, 12]:

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

эта операция с размером блока 2 вернёт следующий тензор формы [1, 2, 2, 3]:

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

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

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

операция вернёт следующий тензор формы [1 4 4 1]:

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