T টাইপের 4-D টেনসরের জন্য BatchToSpace।
এটি আরও সাধারণ BatchToSpaceND এর একটি উত্তরাধিকার সংস্করণ।
ব্যাচ থেকে স্থানিক ডেটার ব্লকে ডেটা পুনর্বিন্যাস (পারমিউট) করে, তারপরে ক্রপ করা হয়। এটি SpaceToBatch এর বিপরীত রূপান্তর। আরও নির্দিষ্টভাবে, এই অপটি ইনপুট টেনসরের একটি অনুলিপি আউটপুট করে যেখানে `ব্যাচ` মাত্রা থেকে মানগুলি স্থানিক ব্লকে `উচ্চতা` এবং `প্রস্থ` মাত্রায় সরানো হয়, তারপর `উচ্চতা` এবং `প্রস্থ` মাত্রা বরাবর ক্রপ করা হয়।
পাবলিক পদ্ধতি
আউটপুট <টি> | asOutput () একটি টেনসরের প্রতীকী হ্যান্ডেল প্রদান করে। |
স্ট্যাটিক <টি, ইউ প্রসারিত number> BatchToSpace <টি> | |
আউটপুট <টি> | আউটপুট () 4-D আকৃতির সাথে `[ব্যাচ, উচ্চতা, প্রস্থ, গভীরতা]`, যেখানে: উচ্চতা = উচ্চতা_প্যাড - ক্রপ_টপ - ক্রপ_বটম প্রস্থ = প্রস্থ_প্যাড - ক্রপ_বাম - ক্রপ_ডান attr `block_size` একের বেশি হতে হবে। |
উত্তরাধিকারসূত্রে প্রাপ্ত পদ্ধতি
পাবলিক পদ্ধতি
পাবলিক আউটপুট <টি> asOutput ()
একটি টেনসরের প্রতীকী হ্যান্ডেল প্রদান করে।
TensorFlow অপারেশনের ইনপুট হল অন্য TensorFlow অপারেশনের আউটপুট। এই পদ্ধতিটি একটি সিম্বলিক হ্যান্ডেল পেতে ব্যবহৃত হয় যা ইনপুটের গণনার প্রতিনিধিত্ব করে।
পাবলিক স্ট্যাটিক BatchToSpace <টি> তৈরি করুন ( ব্যাপ্তি সুযোগ প্রতীক <টি> ইনপুট, প্রতীক <u> ফসল, লং blockSize)
একটি নতুন BatchToSpace অপারেশন মোড়ানো একটি ক্লাস তৈরি করার কারখানার পদ্ধতি।
পরামিতি
সুযোগ | বর্তমান সুযোগ |
---|---|
ইনপুট | আকৃতি `[ব্যাচ block_size block_size, height_pad / block_size, width_pad / block_size, গভীরতা]` 4-ডি টেন্সর। মনে রাখবেন যে ইনপুট টেনসরের ব্যাচের আকার অবশ্যই `block_size * block_size` দ্বারা বিভাজ্য হতে হবে। |
ফসল | `[2, 2]` আকৃতি সহ অ-ঋণাত্মক পূর্ণসংখ্যার 2-D টেনসর। এটি নিম্নরূপ স্থানিক মাত্রা জুড়ে মধ্যবর্তী ফলাফল থেকে কতগুলি উপাদান ক্রপ করতে হবে তা নির্দিষ্ট করে: ফসল = [[ক্রপ_টপ, ক্রপ_বটম], [ক্রপ_বাম, ক্রপ_ডান]] |
রিটার্নস
- BatchToSpace এর একটি নতুন উদাহরণ
পাবলিক আউটপুট <টি> আউটপুট ()
4-D আকৃতির সাথে `[ব্যাচ, উচ্চতা, প্রস্থ, গভীরতা]`, যেখানে:
উচ্চতা = উচ্চতা_প্যাড - ক্রপ_টপ - ক্রপ_বটম প্রস্থ = প্রস্থ_প্যাড - ক্রপ_বাম - ক্রপ_ডান
attr `block_size` একের বেশি হতে হবে। এটি ব্লকের আকার নির্দেশ করে।
কিছু উদাহরণ:
(1) আকৃতি নিম্নলিখিত ইনপুট করতে '[4, 1, 1, 1] `এবং 2 এর block_size:
[[[[1]]], [[[2]]], [[[3]]], [[[4]]]]
আউটপুট টেন্সর আকৃতি আছে` [1, 2, 2, 1] `এবং মান: x = [[[[1], [2]], [[3], [4]]]]
(2) আকৃতি নিম্নলিখিত ইনপুট করতে '[4, 1, 1, 3]' এবং 2 এর block_size: [[[[1, 2, 3]]], [[[4, 5, 6]]], [[[7, 8, 9]]], [[[10, 11, 12]]]]
আউটপুট টেন্সর আকৃতি আছে `[1, 2, 2, 3] 'এবং মান: x = [[[[1, 2, 3], [4, 5, 6]],
[[7, 8, 9], [10, 11, 12]]]]
(3) আকৃতি নিম্নলিখিত ইনপুট করতে '[4, 2, 2, 1] `এবং 2 এর block_size: x = [[[[1], [3]], [[9], [11]]],
[[[2], [4]], [[10], [12]]],
[[[5], [7]], [[13], [15]]],
[[[6], [8]], [[14], [16]]]]
আউটপুট টেন্সর আকৃতি আছে` [1, 4, 4, 1] `এবং মান: x = [[[[1], [2], [3], [4]],
[[5], [6], [7], [8]],
[[9], [10], [11], [12]],
[[13], [14], [15], [16]]]]
(4) আকৃতি নিম্নলিখিত ইনপুট করতে '[8, 1, 2, 1] `এবং 2 এর block_size: x = [[[[1], [3]]], [[[9], [11]]], [[[2], [4]]], [[[10], [12]]],
[[[5], [7]]], [[[13], [15]]], [[[6], [8]]], [[[14], [16]]]]
আউটপুট টেন্সর আকৃতি আছে` [2, 2, 4, 1] `এবং মান: x = [[[[1], [3]], [[5], [7]]],
[[[2], [4]], [[10], [12]]],
[[[5], [7]], [[13], [15]]],
[[[6], [8]], [[14], [16]]]]