tensorflow::ops::DepthToSpace

#include <array_ops.h>

DepthToSpace для тензоров типа T.

Краткое описание

Переупорядочивает данные из глубины в блоки пространственных данных. Это обратное преобразование SpaceToDepth. Более конкретно, этот оператор выводит копию входного тензора, где значения из измерения depth перемещаются в пространственные блоки в измерения height и width. Атрибут block_size указывает размер блока ввода и способ перемещения данных.

• Блоки данных размером block_size * block_size из глубины переупорядочиваются в непересекающиеся блоки размером block_size x block_size
• Ширина выходного тензора составляет input_depth * block_size, а высота — input_height * block_size.
• Координаты Y, X внутри каждого блока выходного изображения определяются старшим разрядом индекса канала входного изображения.
• Глубина входного тензора должна быть кратна block_size * block_size.

Атрибут data_format задаёт макет входных и выходных тензоров со следующими вариантами: "NHWC": [ batch, height, width, channels ] "NCHW": [ batch, channels, height, width ] "NCHW_VECT_C": qint8 [ batch, channels / 4, height, width, 4 ]

Полезно рассматривать операцию как преобразование 6-мерного тензора. Например, для data_format = NHWC, каждый элемент входного тензора может быть задан с помощью 6 координат, упорядоченных по убыванию значимости в памяти: n,iY,iX,bY,bX,oC (где n=индекс партии, iX, iY — координаты X или Y внутри входного изображения, bX, bY — координаты внутри выходного блока, oC — выходные каналы). Выход будет результатом транспонирования входного тензора в следующий макет: n,iY,bY,iX,bX,oC

Этот оператор полезен для изменения размера активаций между свёртками (но сохраняя все данные), например, вместо пулинга. Он также полезен для обучения чисто свёрточных моделей.

Например, при входном формате [1, 1, 1, 4], data_format = "NHWC" и block_size = 2:

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

  
  This operation will output a tensor of shape [1, 2, 2, 1]:
  
    
   [[[[1], [2]],
     [[3], [4]]]]

  
  Here, the input has a batch of 1 and each batch element has shape [1, 1, 4], the corresponding output will have 2x2 elements and will have a depth of 1 channel (1 = 4 / (block_size * block_size)). The output element shape is [2, 2, 1].
  For an input tensor with larger depth, here of shape [1, 1, 1, 12], e.g.
  
    
x = [[[[1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12]]]]

  
  This operation, for block size of 2, will return the following tensor of shape [1, 2, 2, 3]
  
    
   [[[[1, 2, 3], [4, 5, 6]],
     [[7, 8, 9], [10, 11, 12]]]]
  
  
    
  
  Similarly, for the following input of shape [1 2 2 4], and a block size of 2:
  
    
x =  [[[[1, 2, 3, 4],
       [5, 6, 7, 8]],
      [[9, 10, 11, 12],
       [13, 14, 15, 16]]]]

  
  the operator will return the following tensor of shape [1 4 4 1]:
  
    
x = [[[ [1],   [2],  [5],  [6]],
      [ [3],   [4],  [7],  [8]],
      [ [9],  [10], [13],  [14]],
      [ [11], [12], [15],  [16]]]]
  
  
    
  
  Arguments:

• scope: Объект Scope
• block_size: Размер пространственного блока, совпадающий с размером в Space2Depth.

Возвращает:

• Output: Выходной тензор.

Общедоступные атрибуты

Operation operation

::tensorflow::Output output

Общедоступные функции

 DepthToSpace(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input input,
  int64 block_size
)

 DepthToSpace(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input input,
  int64 block_size,
  const DepthToSpace::Attrs & attrs
)

::tensorflow::Node * node() const 

operator::tensorflow::Input() const 

operator::tensorflow::Output() const 

Общедоступные статические функции

Attrs DataFormat(
  StringPiece x
)