SpaceToDepth per tensori di tipo T.
Riorganizza blocchi di dati spaziali, in profondità. Più specificamente, questa operazione restituisce una copia del tensore di input in cui i valori delle dimensioni "altezza" e "larghezza" vengono spostati nella dimensione "profondità". L'attributo "block_size" indica la dimensione del blocco di input.
* I blocchi non sovrapposti di dimensione "dimensione_blocco x dimensione blocco" vengono riorganizzati in profondità in ciascuna posizione. * La profondità del tensore di output è "dimensione_blocco * dimensione_blocco * profondità_input". * Le coordinate Y, X all'interno di ciascun blocco di input diventano il componente di ordine superiore dell'indice del canale di output. * L'altezza e la larghezza del tensore di input devono essere divisibili per block_size.
L'attributo `data_format` specifica il layout dei tensori di input e output con le seguenti opzioni: "NHWC": `[ batch, altezza, larghezza, canali ]` "NCHW": `[ batch, canali, altezza, larghezza ]` " NCHW_VECT_C": `qint8 [ batch, canali / 4, altezza, larghezza, 4]`
È utile considerare l'operazione come la trasformazione di un tensore 6-D. ad esempio, per data_format = NHWC, ogni elemento nel tensore di input può essere specificato tramite 6 coordinate, ordinate in base al significato decrescente del layout della memoria come: n,oY,bY,oX,bX,iC (dove n=indice batch, oX, oY significa X o coordinate Y all'interno dell'immagine di output, bX, bY significa coordinate all'interno del blocco di input, iC significa canali di input). L'output sarebbe una trasposizione nel seguente layout: n,oY,oX,bY,bX,iC
Questa operazione è utile per ridimensionare le attivazioni tra le convoluzioni (ma mantenendo tutti i dati), ad esempio invece del pooling. È utile anche per addestrare modelli puramente convoluzionali.
Ad esempio, dato un input di forma "[1, 2, 2, 1]", data_format = "NHWC" e block_size = 2:
x = [[[[1], [2]],
[[3], [4]]]]
[[[[1, 2, 3, 4]]]]
Per un tensore di input con profondità maggiore, qui di forma `[1, 2, 2, 3]`, ad esempio
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], [5], [6]],
[[3], [4], [7], [8]],
[[9], [10], [13], [14]],
[[11], [12], [15], [16]]]]
x = [[[[1, 2, 3, 4],
[5, 6, 7, 8]],
[[9, 10, 11, 12],
[13, 14, 15, 16]]]]
Classi nidificate
| classe | SpazioAProfondità.Opzioni | Attributi facoltativi per SpaceToDepth | |
Costanti
| Corda | OP_NAME | Il nome di questa operazione, come noto al motore principale di TensorFlow |
Metodi pubblici
| Uscita <T> | comeuscita () Restituisce l'handle simbolico del tensore. |
| statico <T estende TType > SpaceToDepth <T> | create ( ambito ambito , input operando <T>, dimensione blocco lungo, opzioni... opzioni) Metodo factory per creare una classe che racchiude una nuova operazione SpaceToDepth. |
| SpaceToDepth.Options statico | dataFormat (Stringa dataFormat) |
| Uscita <T> | produzione () |
Metodi ereditati
Costanti
Stringa finale statica pubblica OP_NAME
Il nome di questa operazione, come noto al motore principale di TensorFlow
Metodi pubblici
Uscita pubblica <T> asOutput ()
Restituisce l'handle simbolico del tensore.
Gli input per le operazioni TensorFlow sono output di un'altra operazione TensorFlow. Questo metodo viene utilizzato per ottenere un handle simbolico che rappresenta il calcolo dell'input.
public static SpaceToDepth <T> create ( ambito ambito , input operando <T>, dimensione blocco lungo, opzioni... opzioni)
Metodo factory per creare una classe che racchiude una nuova operazione SpaceToDepth.
Parametri
| portata | ambito attuale |
|---|---|
| blockSize | La dimensione del blocco spaziale. |
| opzioni | trasporta valori di attributi opzionali |
Ritorni
- una nuova istanza di SpaceToDepth