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

Dari kelas org.tensorflow.op.PrimitiveOp

boolean akhir	sama (Object obj)
akhir	hashCode ()
Operasi	op () Mengembalikan mendasari Operation
string terakhir	toString ()

Dari kelas java.lang.Object

boolean	sama (Object arg0)
Kelas terakhir<?>	getClass ()
ke dalam	hashCode ()
kekosongan akhir	notify ()
kekosongan akhir	notifyAll ()
Rangkaian	toString ()
kekosongan akhir	menunggu (arg0 panjang, int arg1)
kekosongan akhir	menunggu (arg0 panjang)
kekosongan akhir	menunggu ()

Dari antarmuka org.tensorflow.Operand

abstrak Keluaran <T>

asOutput () Mengembalikan pegangan simbolis tensor.

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]]]]