SpaceToBatch dla tensorów ND typu T.
Ta operacja dzieli wymiary „przestrzenne” `[1, ..., M]` danych wejściowych na siatkę bloków o kształcie `block_shape` i przeplata te bloki wymiarem „wsadowym” (0) w taki sposób, że na wyjściu , wymiary przestrzenne „[1, ..., M]” odpowiadają pozycji w siatce, a wymiar partii łączy zarówno pozycję w bloku przestrzennym, jak i pierwotną pozycję partii. Przed podziałem na bloki wymiary przestrzenne danych wejściowych są opcjonalnie dopełniane zerami zgodnie z „wypełnieniami”. Dokładny opis znajdziesz poniżej.
Ta operacja jest równoważna następującym krokom:
1. Wyzeruj początek i koniec wymiarów `[1, ..., M]` danych wejściowych zgodnie z `dopełnieniami`, aby uzyskać `wypełnienie` kształtu `wyściełany_kształt`.
2. Zmień kształt „wyściełany” na „przekształcony_wypełniony” kształtu:
[partia] + [padded_shape[1] / block_shape[0], block_shape[0], ..., wyściełany_shape[M] / block_shape[M-1], block_shape[M-1]] + pozostały_kształt
3. Zmień wymiary `re Shape_padded`, aby uzyskać `permuted_re Shape_padded` kształtu:
block_shape + [partia] + [padded_shape[1] / block_shape[0], ..., wyściełany_shape[M] / block_shape[M-1]] + pozostały_kształt
4. Zmień kształt `permuted_re Shape_padded`, aby spłaszczyć `block_shape` do wymiaru wsadowego, tworząc wyjściowy tensor kształtu:
[partia * prod(block_shape)] + [padded_shape[1] / block_shape[0], ..., wyściełany_shape[M] / block_shape[M-1]] + pozostały_kształt
Kilka przykładów:
(1) Dla następujących danych wejściowych kształtu „[1, 2, 2, 1]”, „kształt_bloku = [2, 2]” i „wypełnienia = [[0, 0], [0, 0]]”:
x = [[[[1], [2]], [[3], [4]]]]
[[[[1]]], [[[2]]], [[[3]]], [[[4]]]]
x = [[[[1, 2, 3], [4, 5, 6]],
[[7, 8, 9], [10, 11, 12]]]]
[[[[1, 2, 3]]], [[[4, 5, 6]]], [[[7, 8, 9]]], [[[10, 11, 12]]]]
x = [[[[1], [2], [3], [4]],
[[5], [6], [7], [8]],
[[9], [10], [11], [12]],
[[13], [14], [15], [16]]]]
x = [[[[1], [3]], [[9], [11]]],
[[[2], [4]], [[10], [12]]],
[[[5], [7]], [[13], [15]]],
[[[6], [8]], [[14], [16]]]]
x = [[[[1], [2], [3], [4]],
[[5], [6], [7], [8]]],
[[[9], [10], [11], [12]],
[[13], [14], [15], [16]]]]
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]]]]
Metody publiczne
Wyjście <T> | jako wyjście () Zwraca symboliczny uchwyt tensora. |
statyczny <T, U rozszerza liczbę, V rozszerza liczbę> SpaceToBatchNd <T> | |
Wyjście <T> | wyjście () |
Metody dziedziczone
Metody publiczne
publiczne wyjście <T> asOutput ()
Zwraca symboliczny uchwyt tensora.
Dane wejściowe operacji TensorFlow są wynikami innej operacji TensorFlow. Ta metoda służy do uzyskania symbolicznego uchwytu reprezentującego obliczenia danych wejściowych.
public static SpaceToBatchNd <T> create (zakres zakresu , argument wejściowy <T>, argument <U> blockShape, dopełnienie argumentu <V>)
Metoda fabryczna służąca do tworzenia klasy opakowującej nową operację SpaceToBatchNd.
Parametry
zakres | aktualny zakres |
---|---|
wejście | ND o kształcie „input_shape = [partia] + przestrzenny_kształt + pozostały_kształt”, gdzie przestrzenny_kształt ma wymiary „M”. |
kształt bloku | 1-D z kształtem „[M]”, wszystkie wartości muszą wynosić >= 1. |
wyściółki | 2-D z kształtem `[M, 2]`, wszystkie wartości muszą być >= 0. `paddings[i] = [pad_start, pad_end]` określa dopełnienie wymiaru wejściowego `i + 1`, które odpowiada wymiarowi przestrzennemu „ja”. Wymagane jest, aby `block_shape[i]` dzieliło `input_shape[i + 1] + pad_start + pad_end`. |
Powroty
- nowa instancja SpaceToBatchNd