tf.nn.with_space_to_batch

Выполняет op на пространственно-пакетном представлении input.

tf.nn.with_space_to_batch(
    input,
    dilation_rate,
    padding,
    op,
    filter_shape=None,
    spatial_dims=None,
    data_format=None
)

Это приводит к преобразованию операций скользящего окна в соответствующую операцию «атрофии», в которой входные данные отбираются в указанном dilation_rate.

В особом случае, если dilation_rate равномерно равно 1, это просто возвращает:

op(input, num_spatial_dims, padding)

В противном случае возвращается:

batch_to_space_nd( op(space_to_batch_nd(input, adjusted_dilation_rate, adjusted_paddings), num_spatial_dims, "VALID") adjusted_dilation_rate, adjusted_crops),

где:

adjusted_dilation_rate — это тензор int64 формы [max(spatial_dims)], adjusted_{paddings,crops} — это тензоры int64 формы [max(spatial_dims), 2]

определяются следующим образом:

Сначала мы определяем два тензора int64 paddings и crops формы [num_spatial_dims, 2], основанные на значении padding и пространственных измерениях input:

Если padding = "VALID", то:

paddings, crops = required_space_to_batch_paddings( input_shape[spatial_dims], dilation_rate)

Если padding = "SAME", то:

dilated_filter_shape = filter_shape + (filter_shape - 1) * (dilation_rate - 1)

paddings, crops = required_space_to_batch_paddings( input_shape[spatial_dims], dilation_rate, [(dilated_filter_shape - 1) // 2, dilated_filter_shape - 1 - (dilated_filter_shape - 1) // 2])

Так как space_to_batch_nd и batch_to_space_nd предполагают, что пространственные измерения являются смежными, начиная со второго измерения, но указанные spatial_dims могут не быть, мы должны скорректировать dilation_rate, paddings и crops, чтобы они могли быть использованы с этими операциями. Для данного измерения, если размер блока равен 1, а начальное и конечное значения заполнения и обрезки равны 0, то space_to_batch_nd фактически оставляет это измерение без изменений, что необходимо для измерений, не входящих в spatial_dims. Кроме того, space_to_batch_nd и batch_to_space_nd обрабатывают этот случай эффективно для любого количества ведущих и хвостовых измерений.

Для 0 <= i < len(spatial_dims), мы присваиваем:

adjusted_dilation_rate[spatial_dims[i] - 1] = dilation_rate[i] adjusted_paddings[spatial_dims[i] - 1, :] = paddings[i, :] adjusted_crops[spatial_dims[i] - 1, :] = crops[i, :]

Все неназначенные значения adjusted_dilation_rate по умолчанию равны 1, а все неназначенные значения adjusted_paddings и adjusted_crops по умолчанию равны 0.

Обратите внимание, что в случае, если dilation_rate не равномерно равен 1, указание заполнения «VALID» эквивалентно указанию padding = "SAME" с filter_shape [1]*N.

Расширенное использование. Обратите внимание на следующий оптимизацию: последовательность with_space_to_batch операций с идентичными (не равномерно 1) параметрами dilation_rate и заполнением «VALID»

net = with_space_to_batch(net, dilation_rate, "VALID", op_1) ... net = with_space_to_batch(net, dilation_rate, "VALID", op_k)

может быть объединена в одну with_space_to_batch операцию следующим образом:

def combined_op(converted_input, num_spatial_dims, _): result = op_1(converted_input, num_spatial_dims, "VALID") ... result = op_k(result, num_spatial_dims, "VALID")

net = with_space_to_batch(net, dilation_rate, "VALID", combined_op)

Это устраняет избыточность k-1 вызовов space_to_batch_nd и batch_to_space_nd.

Аналогично, последовательность with_space_to_batch операций с идентичными (не равномерно 1) параметрами dilation_rate, заполнением «SAME» и нечетными размерами фильтра

net = with_space_to_batch(net, dilation_rate, "SAME", op_1, filter_shape_1) ... net = with_space_to_batch(net, dilation_rate, "SAME", op_k, filter_shape_k)

может быть объединена в одну with_space_to_batch операцию следующим образом:

def combined_op(converted_input, num_spatial_dims, _): result = op_1(converted_input, num_spatial_dims, "SAME") ... result = op_k(result, num_spatial_dims, "SAME")

net = with_space_to_batch(net, dilation_rate, "VALID", combined_op)