T 유형의 ND 텐서에 대한 BatchToSpace.
이 작업은 "배치" 차원 0을 `block_shape + [batch]` 형태의 `M + 1` 차원으로 재구성하고, 이러한 블록을 공간 차원 `[1, ..., M]`에 의해 정의된 그리드에 다시 인터리브합니다. 입력과 동일한 순위의 결과를 얻습니다. 그런 다음 이 중간 결과의 공간 차원을 '자르기'에 따라 선택적으로 잘라서 출력을 생성합니다. 이는 SpaceToBatch의 반대입니다. 정확한 설명은 아래를 참조하세요.
공개 방법
출력 <T> | 출력 () 텐서의 기호 핸들을 반환합니다. |
static <T, U는 숫자를 확장하고, V는 숫자를 확장> BatchToSpaceNd <T> | |
출력 <T> | 출력 () |
상속된 메서드
공개 방법
공개 출력 <T> asOutput ()
텐서의 기호 핸들을 반환합니다.
TensorFlow 작업에 대한 입력은 다른 TensorFlow 작업의 출력입니다. 이 메서드는 입력 계산을 나타내는 기호 핸들을 얻는 데 사용됩니다.
public static BatchToSpaceNd <T> create ( 범위 범위, 피연산자 <T> 입력, 피연산자 <U> blockShape, 피연산자 <V> 자르기)
새로운 BatchToSpaceNd 작업을 래핑하는 클래스를 생성하는 팩토리 메서드입니다.
매개변수
범위 | 현재 범위 |
---|---|
입력 | `input_shape = [batch] + space_shape + 잔여_shape` 형태의 ND. 여기서 space_shape에는 M 차원이 있습니다. |
블록모양 | '[M]' 형태의 1차원, 모든 값은 1보다 커야 합니다. |
작물 | `[M, 2]` 형태의 2D, 모든 값은 0보다 커야 합니다. `crops[i] = [crop_start, Crop_end]`는 입력 차원 `i + 1`에서 자를 양을 지정합니다. 공간 차원 'i'. `crop_start[i] + 자르기_end[i] <= block_shape[i] * input_shape[i + 1]`이 필요합니다. 이 작업은 다음 단계와 동일합니다. 1. 'input'을 다음 모양의 'reshape'로 변경합니다: [block_shape[0], ..., block_shape[M-1], 배치 / prod(block_shape), input_shape[1], ..., input_shape[N- 1]] 2. 모양의 '순열'을 생성하기 위해 '재형성'의 치수를 치환합니다 [배치 / 제품(블록_모양), 입력_모양[1], 블록_모양[0], ..., 입력_모양[M], 블록_모양[M-1], 입력_모양[M+1], ..., 입력_모양[N-1]] 3. 'permuted' 모양을 변경하여 [batch / prod(block_shape)] 모양의 'reshape_permuted'를 생성합니다. 입력_모양[1] * 블록_모양[0], ..., 입력_모양[M] * 블록_모양[M-1], 입력_모양[M+1], ..., 입력_모양[N-1]] 4. `crops`에 따라 `reshape_permuted`의 차원 `[1, ..., M]`의 시작과 끝을 잘라 다음 모양의 출력을 생성합니다. [batch / prod(block_shape), input_shape[1] * block_shape[0] - 자르기[0,0] - 자르기[0,1], ..., input_shape[M] * block_shape[M-1] - 자르기[M-1,0] - 자르기 [M-1,1], 입력_모양[M+1], ..., 입력_모양[N-1]] 몇 가지 예: (1) `[4, 1, 1, 1]`, `block_shape = [2, 2]` 및 `crops = [[0, 0], [0, 0]]` 모양의 다음 입력에 대해: 출력 텐서의 형태는 `[1, 2, 2, 1]`이고 값은 다음과 같습니다. (2) `[4, 1, 1, 3]`, `block_shape = [2, 2]` 및 `crops = [[0, 0], [0, 0]]` 모양의 다음 입력에 대해: 출력 텐서의 형태는 `[1, 2, 2, 3]`이고 값은 다음과 같습니다. (3) `[4, 2, 2, 1]`, `block_shape = [2, 2]` 및 `crops = [[0, 0], [0, 0]]` 모양의 다음 입력에 대해: 출력 텐서는 '[1, 4, 4, 1]' 모양과 값을 갖습니다. (4) `[8, 1, 3, 1]`, `block_shape = [2, 2]` 및 `crops = [[0, 0], [2, 0]]` 모양의 다음 입력에 대해: 출력 텐서의 형태는 `[2, 2, 4, 1]`이고 값은 다음과 같습니다.
|
보고
- BatchToSpaceNd의 새 인스턴스