tf.batch_to_space

BatchToSpace для N-мерных тензоров типа T.

tf.batch_to_space(
    input, block_shape, crops, name=None
)

Эта операция преобразует размерность «batch» 0 в M + 1 размерности формы block_shape + [batch], вставляет эти блоки обратно в сетку, определённую пространственными размерностями [1, ..., M], чтобы получить результат с таким же рангом, как у входных данных. Пространственные размеры этого промежуточного результата затем необязательно обрезаются в соответствии с crops для получения результата. Это обратная операция к SpaceToBatch (см. tf.space_to_batch).

Аргументы
`input`	N-мерный `Tensor` с формой `input_shape = [batch] + spatial_shape + remaining_shape`, где `spatial_shape` имеет M измерений.
`block_shape`	1-мерный `Tensor` с формой [M]. Должен быть одного из следующих типов: `int32`, `int64`. Все значения должны быть >= 1. Для обратной совместимости с TF 1.0 этот параметр может быть целым числом, в этом случае он преобразуется в `numpy.array([block_shape, block_shape], dtype=numpy.int64)`.
`crops`	2-мерный `Tensor` с формой `[M, 2]`. Должен быть одного из следующих типов: `int32`, `int64`. Все значения должны быть >= 0. `crops[i] = [crop_start, crop_end]` задаёт количество обрезки из 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: Преобразовать `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]] Преобразовать `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]` от `reshaped_permuted` в соответствии с `crops` для получения результата 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]]
`name`	Имя операции (необязательно).

Примеры:

Для входных данных 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]]]]
```
Для 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]]]
```
Тензор результата имеет форму [1, 2, 2, 3] и значение:
```
x = [[[[1, 2, 3], [4,  5,  6 ]],
      [[7, 8, 9], [10, 11, 12]]]]
```

Для 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]]]]

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]]]

Для 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]]]]

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]]]]

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

© 2022 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 4.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/versions/r2.9/api_docs/python/tf/batch_to_space