tensorflow::ops::BatchToSpaceND

#include <array_ops.h>

BatchToSpace для N-мерных тензоров типа T.

Краткое описание

Эта операция преобразует измерение «пакет» 0 в M + 1 измерений формы block_shape + [batch], чередует эти блоки обратно в сетку, заданную пространственными измерениями [1, ..., M], чтобы получить результат того же ранга, что и входные данные. Пространственные измерения этого промежуточного результата затем при необходимости обрезаются в соответствии с crops для формирования выходных данных. Это обратная операция к SpaceToBatch. Точное описание приведено ниже.

Аргументы:

• scope: объект Scope
• input: N-мерный тензор формы input_shape = [batch] + spatial_shape + remaining_shape, где spatial_shape имеет M измерений.
• block_shape: одномерный тензор формы [M], все значения должны быть >= 1.
• crops: двумерный тензор формы [M, 2], все значения должны быть >= 0. crops[i] = [crop_start, crop_end] задаёт величину обрезки измерения i + 1 входных данных, соответствующего пространственному измерению i. Должно выполняться условие crop_start[i] + crop_end[i] <= block_shape[i] * input_shape[i + 1].

Эта операция эквивалентна следующим шагам:

1. Изменить форму input на reshaped с формой: [block_shape[0], ..., block_shape[M-1], batch / prod(block_shape), input_shape[1], ..., input_shape[N-1]]
2. Переставить измерения reshaped, чтобы получить permuted с формой [batch / prod(block_shape),input_shape[1], block_shape[0], ..., input_shape[M], block_shape[M-1],input_shape[M+1], ..., input_shape[N-1]]
3. Изменить форму permuted, чтобы получить reshaped_permuted с формой [batch / prod(block_shape),input_shape[1] * block_shape[0], ..., input_shape[M] * block_shape[M-1],input_shape[M+1], ..., input_shape[N-1]]
4. Обрезать начало и конец измерений [1, ..., M] тензора reshaped_permuted в соответствии с crops, чтобы получить выходные данные формы: [batch / prod(block_shape),input_shape[1] * block_shape[0] - crops[0,0] - crops[0,1], ..., input_shape[M] * block_shape[M-1] - crops[M-1,0] - crops[M-1,1],input_shape[M+1], ..., input_shape[N-1]]

Несколько примеров:

(1) Для следующих входных данных формы [4, 1, 1, 1], block_shape = [2, 2] и crops = [[0, 0], [0, 0]]:

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

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

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

(2) Для следующих входных данных формы [4, 1, 1, 3], block_shape = [2, 2] и crops = [[0, 0], [0, 0]]:

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

Выходной тензор имеет форму [1, 2, 2, 3] и значение:

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

(3) Для следующих входных данных формы [4, 2, 2, 1], block_shape = [2, 2] и crops = [[0, 0], [0, 0]]:

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

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

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

(4) Для следующих входных данных формы [8, 1, 3, 1], block_shape = [2, 2] и crops = [[0, 0], [2, 0]]:

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]]]]

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

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

Возвращает:

• Output: выходной тензор.

Общедоступные атрибуты

Operation operation

::tensorflow::Output output

Общедоступные функции

 BatchToSpaceND(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input input,
  ::tensorflow::Input block_shape,
  ::tensorflow::Input crops
)

::tensorflow::Node * node() const 

operator::tensorflow::Input() const 

operator::tensorflow::Output() const