Peringatan: API ini tidak digunakan lagi dan akan dihapus di versi TensorFlow mendatang setelah penggantinya stabil.

BatchToSpace

public class akhir BatchToSpace

BatchToSpace untuk tensor 4-D tipe T.

Ini adalah versi lama dari BatchToSpaceND yang lebih umum.

Menata ulang (mengubah) data dari batch menjadi blok-blok data spasial, diikuti dengan cropping. Ini adalah transformasi kebalikan dari SpaceToBatch. Lebih khusus lagi, operasi ini mengeluarkan salinan tensor input di mana nilai dari dimensi `batch` dipindahkan dalam blok spasial ke dimensi `height` dan `width`, diikuti dengan memotong sepanjang dimensi `height` dan `width`.

Metode Publik

Output <T>
asOutput ()
Mengembalikan pegangan simbolis tensor.
statis <T, U meluas Nomor> BatchToSpace <T>
membuat ( Lingkup lingkup, Operan <T> input, Operan <U> tanaman, panjang BLOCKSIZE)
Metode pabrik untuk membuat kelas yang membungkus operasi BatchToSpace baru.
Output <T>
Output ()
4-D dengan bentuk `[batch, height, width, depth]`, di mana:

tinggi = tinggi_pad - crop_top - crop_bottom lebar = lebar_pad - crop_left - crop_right

Attr `block_size` harus lebih besar dari satu.

Metode yang Diwarisi

Metode Publik

publik Keluaran <T> asOutput ()

Mengembalikan pegangan simbolis tensor.

Input ke operasi TensorFlow adalah output dari operasi TensorFlow lainnya. Metode ini digunakan untuk mendapatkan pegangan simbolis yang mewakili perhitungan input.

public static BatchToSpace <T> membuat ( Lingkup lingkup, Operan <T> input, Operan <U> tanaman, panjang BLOCKSIZE)

Metode pabrik untuk membuat kelas yang membungkus operasi BatchToSpace baru.

Parameter
cakupan lingkup saat ini
memasukkan 4-D tensor dengan bentuk `[bets block_size block_size, height_pad / block_size, width_pad / block_size, kedalaman]`. Perhatikan bahwa ukuran batch tensor input harus dapat dibagi dengan `block_size * block_size`.
tanaman-tanaman Tensor 2-D bilangan bulat non-negatif dengan bentuk `[2, 2]`. Ini menentukan berapa banyak elemen yang akan dipotong dari hasil antara melintasi dimensi spasial sebagai berikut:

crop = [[crop_top, crop_bottom], [crop_left, crop_right]]

Kembali
  • contoh baru BatchToSpace

publik Keluaran <T> Output ()

4-D dengan bentuk `[batch, height, width, depth]`, di mana:

tinggi = tinggi_pad - crop_top - crop_bottom lebar = lebar_pad - crop_left - crop_right

Attr `block_size` harus lebih besar dari satu. Ini menunjukkan ukuran blok.

Beberapa contoh:

(1) Untuk input berikut bentuk `[4, 1, 1, 1]` dan block_size dari 2:

[[[[1]]], [[[2]]], [[[3]]], [[[4]]]]
 
Output tensor memiliki bentuk `[1, 2, 2, 1]` dan nilai:
x = [[[[1], [2]], [[3], [4]]]]
 
(2) Untuk input berikut bentuk `[4, 1, 1, 3]` dan block_size dari 2:
[[[[1, 2, 3]]], [[[4, 5, 6]]], [[[7, 8, 9]]], [[[10, 11, 12]]]]
 
Output tensor memiliki bentuk `[1, 2, 2, 3]` dan nilai:
x = [[[[1, 2, 3], [4, 5, 6]],
       [[7, 8, 9], [10, 11, 12]]]]
 
(3) Untuk input berikut bentuk `[4, 2, 2, 1]` dan block_size dari 2:
x = [[[[1], [3]], [[9], [11]]],
      [[[2], [4]], [[10], [12]]],
      [[[5], [7]], [[13], [15]]],
      [[[6], [8]], [[14], [16]]]]
 
Output tensor memiliki bentuk `[1, 4, 4, 1]` dan nilai:
x = [[[[1],   [2],  [3],  [4]],
      [[5],   [6],  [7],  [8]],
      [[9],  [10], [11],  [12]],
      [[13], [14], [15],  [16]]]]
 
(4) Untuk input berikut bentuk `[8, 1, 2, 1]` dan block_size dari 2:
x = [[[[1], [3]]], [[[9], [11]]], [[[2], [4]]], [[[10], [12]]],
      [[[5], [7]]], [[[13], [15]]], [[[6], [8]]], [[[14], [16]]]]
 
Output tensor memiliki bentuk `[2, 2, 4, 1]` dan nilai:
x = [[[[1], [3]], [[5], [7]]],
      [[[2], [4]], [[10], [12]]],
      [[[5], [7]], [[13], [15]]],
      [[[6], [8]], [[14], [16]]]]