tf.nn.with_space_to_batch

Выполняет op над представлением input в формате space-to-batch.

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

Это преобразует операции со скользящим окном в соответствующие операции "atrous", в которых входные данные выбираются с указанным шагом dilation_rate.

В особом случае, когда dilation_rate повсюду равно 1, просто возвращается:

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 — тензор int64 формы [max(spatialdims)], adjusted{paddings,crops} — тензоры int64 формы [max(spatial_dims), 2]

определяются следующим образом:

Сначала определим два тензора int64 paddings и crops формы [num_spatial_dims, 2] на основе значения padding и пространственных измерений 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])

Поскольку space_to_batch_nd и batch_to_space_nd предполагают, что пространственные измерения непрерывны и начинаются со второго измерения, однако указанные spatial_dims могут не соответствовать этому условию, необходимо скорректировать dilation_rate, paddings и crops, чтобы их можно было использовать с этими операциями. Для заданного измерения, если размер блока равен 1, а величины заполнения и обрезки в начале и конце равны 0, то space_to_batch_nd фактически не изменяет это измерение, что и требуется для измерений, не входящих в spatial_dims. Кроме того, space_to_batch_nd и batch_to_space_nd эффективно обрабатывают этот случай при любом количестве ведущих и завершающих измерений.

Для 0 <= i < len(spatial_dims) 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, :]

Всем неприсвоенным значениям adjusted_dilation_rate по умолчанию присваивается 1, а всем неприсвоенным значениям adjusted_paddings и adjusted_crops — 0.

Обратите внимание: если dilation_rate не равно 1 повсюду, указание заполнения "VALID" эквивалентно указанию padding = "SAME" с filter_shape, равным [1]*N.

Расширенное использование. Обратите внимание на следующую оптимизацию: последовательность операций with_space_to_batch с одинаковыми (не равными повсюду 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)

можно объединить в одну операцию with_space_to_batch 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 накладные расходы, связанные с k-1 вызовами space_to_batch_nd и batch_to_space_nd.

Аналогично, последовательность операций with_space_to_batch с одинаковыми (не равными повсюду 1) параметрами dilation_rate, заполнением "SAME" и фильтрами с нечетными размерами

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)

можно объединить в одну операцию with_space_to_batch 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)