tf.raw_ops.BatchToSpaceND

BatchToSpace для N-мерных тензоров типа T.

Просмотр псевдонимов

Псевдонимы для миграции

См. Руководство по миграции для получения дополнительной информации.

tf.compat.v1.raw_ops.BatchToSpaceND

tf.raw_ops.BatchToSpaceND(
    input, block_shape, crops, name=None
)

Эта операция преобразует размер «пакета» 0 в M + 1 размерности формы block_shape + [batch], вставляет эти блоки обратно в сетку, определенную пространственными размерами [1, ..., M], чтобы получить результат с таким же рангом, как у входных данных. Пространственные размеры этого промежуточного результата затем могут быть обрезаны в соответствии с crops, чтобы получить результат. Это обратная операция SpaceToBatch. Подробное описание см. ниже.

Аргументы
`input`	A `Tensor`. N-мерная форма `input_shape = [batch] + spatial_shape + remaining_shape`, где spatial_shape имеет M измерений.
`block_shape`	A `Tensor`. Должен быть одного из следующих типов: `int32`, `int64`. 1-мерный, форма `[M]`, все значения должны быть >= 1.
`crops`	A `Tensor`. Должен быть одного из следующих типов: `int32`, `int64`. 2-мерный, форма `[M, 2]`, все значения должны быть >= 0. `crops[i] = [crop_start, crop_end]` указывает количество срезов для среза входного измерения `i + 1`, что соответствует пространственному измерению `i`. Требуется, чтобы `crop_start[i] + crop_end[i] <= block_shape[i] * input_shape[i + 1]`. Эта операция эквивалентна следующим шагам: Переформатировать `input` в `reshaped` формы: [block_shape[0], ..., block_shape[M-1], batch / prod(block_shape), input_shape[1], ..., input_shape[N-1]] Переставить измерения `reshaped` для получения `permuted` формы [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]] Переформатировать `permuted` в `reshaped_permuted` формы [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]] Обрезать начало и конец измерений `[1, ..., M]` `reshaped_permuted` в соответствии с `crops` для получения выходных данных 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]] Примеры: (1) Для следующего входного значения формы `[4, 1, 1, 1]`, `block_shape = [2, 2]`, и `crops = [[0, 0], [0, 0]]`: [[[[1]]], [[[2]]], [[[3]]], [[[4]]]] Тензор результата имеет форму `[1, 2, 2, 1]` и значение: x = [[[[1], [2]], [[3], [4]]]] (2) Для следующего входного значения 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]]]] Тензор результата имеет форму `[1, 2, 2, 3]` и значение: x = [[[[1, 2, 3], [4, 5, 6]], [[7, 8, 9], [10, 11, 12]]]] (3) Для следующего входного значения 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]]]] Тензор результата 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 следующего входного значения 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]]]] Тензор результата 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]]]]
`name`	Имя операции (необязательно).

Возвращаемое значение
A `Tensor`. Имеет тот же тип, что и `input`.

© 2020 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 3.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/versions/r2.3/api_docs/python/tf/raw_ops/BatchToSpaceND