tf.nn.with_space_to_batch

Выполняет op над пространственно-блочной представлением input.

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

Это эквивалентно преобразованию операций со скользящим окном в соответствующую операцию «атропного» типа, в которой входные данные сэмплируются с указанным dilation_rate.

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

op(input, num_spatial_dims, padding)

В противном случае возвращает:

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 целочисленный тензор формы [max(spatial_dims)], adjusted_paddings, adjusted_crops — целочисленные тензоры формы [max(spatial_dims), 2]

определены следующим образом:

Сначала мы определяем два целочисленных тензора 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])

Так как space_to_batch_nd и batch_to_space_nd предполагают, что пространственные измерения расположены непрерывно, начиная со второго измерения, а указанные spatial_dims могут не быть такими, мы должны скорректировать dilation_rate, paddings и crops для использования в этих операциях. Для данного измерения, если размер блока равен 1, а начальные и конечные значения заполнения и обрезки равны 0, то space_to_batch_nd фактически оставляет это измерение неизменным, 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 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, когда dilation_rate не равномерно 1, указание «VALID» заполнения эквивалентно указанию padding = "SAME" с filter_shape [1]*N.

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

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 вызовов k-1 к space_to_batch_nd и batch_to_space_nd.

Аналогично, последовательность операций with_space_to_batch с одинаковыми (не равномерно 1) параметрами dilation_rate, «SAME» заполнением и нечётными 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)

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)