tf.space_to_batch_nd

SpaceToBatch для N-мерных тензоров типа T.

tf.space_to_batch_nd(
    input: Annotated[Any, TV_SpaceToBatchND_T],
    block_shape: Annotated[Any, TV_SpaceToBatchND_Tblock_shape],
    paddings: Annotated[Any, TV_SpaceToBatchND_Tpaddings],
    name=None
) -> Annotated[Any, TV_SpaceToBatchND_T]

Эта операция делит «пространственные» измерения [1, ..., M] входного тензора на сетку блоков формы block_shape и чередует эти блоки с «пакетным» измерением (0) так, что в выходном тензоре пространственные измерения [1, ..., M] соответствуют положению в сетке, а пакетное измерение объединяет положение внутри пространственного блока и исходное положение в пачке. Перед разделением на блоки пространственные измерения входного тензора могут быть дополнены нулями в соответствии с paddings. Подробное описание приведено ниже.

Эта операция эквивалентна следующим шагам:

1. Добавление нулей в начало и конец измерений [1, ..., M] входного тензора в соответствии с paddings, чтобы получить padded формы padded_shape.

2. Изменение формы padded на reshaped_padded формы:

   [batch] + [padded_shape[1] / block_shape[0], block_shape[0], ..., padded_shape[M] / block_shape[M-1], block_shape[M-1]] + remaining_shape

3. Перестановки измерений reshaped_padded, чтобы получить permuted_reshaped_padded формы:

   block_shape + [batch] + [padded_shape[1] / block_shape[0], ..., padded_shape[M] / block_shape[M-1]] + remaining_shape

4. Изменение формы permuted_reshaped_padded для сжатия block_shape в пакетное измерение, что приводит к тензору вывода формы:

   [batch * prod(block_shape)] + [padded_shape[1] / block_shape[0], ..., padded_shape[M] / block_shape[M-1]] + remaining_shape

Некоторые примеры:

(1) Для следующего входного тензора формы [1, 2, 2, 1], block_shape = [2, 2] и paddings = [[0, 0], [0, 0]]:

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

Выходной тензор имеет форму [4, 1, 1, 1] и значение:

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

(2) Для следующего входного тензора формы [1, 2, 2, 3], block_shape = [2, 2] и paddings = [[0, 0], [0, 0]]:

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

Выходной тензор имеет форму [4, 1, 1, 3] и значение:

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

(3) Для следующего входного тензора формы [1, 4, 4, 1], block_shape = [2, 2] и paddings = [[0, 0], [0, 0]]:

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

Выходной тензор имеет форму [4, 2, 2, 1] и значение:

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

(4) Для следующего входного тензора формы [2, 2, 4, 1], block_shape = [2, 2] и paddings = [[0, 0], [2, 0]]:

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

Выходной тензор имеет форму [8, 1, 3, 1] и значение:

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]]]]

Среди прочего, эта операция полезна для преобразования свёртки с размытием в обычную свёртку.