SpaceToDepth para tensores do tipo T.
Reorganiza blocos de dados espaciais em profundidade. Mais especificamente, esta operação produz uma cópia do tensor de entrada onde os valores das dimensões `altura` e` largura` são movidos para a dimensão `profundidade`. O attr `block_size` indica o tamanho do bloco de entrada.
* Os blocos não sobrepostos de tamanho `block_size x tamanho do bloco` são reorganizados em profundidade em cada local. * A profundidade do tensor de saída é `block_size * block_size * input_depth`. * As coordenadas Y, X dentro de cada bloco da entrada tornam-se o componente de ordem superior do índice do canal de saída. * A altura e largura do tensor de entrada devem ser divisíveis por block_size.
O atributo `data_format` especifica o layout dos tensores de entrada e saída com as seguintes opções:" NHWC ":` [lote, altura, largura, canais] `" NCHW ":` [lote, canais, altura, largura] `" NCHW_VECT_C ":` qint8 [lote, canais / 4, altura, largura, 4] `
É útil considerar a operação como a transformação de um tensor 6-D. por exemplo, para data_format = NHWC, cada elemento no tensor de entrada pode ser especificado por meio de 6 coordenadas, ordenadas diminuindo a significância do layout de memória como: n, oY, bY, oX, bX, iC (onde n = índice de lote, oX, oY significa X ou coordenadas Y dentro da imagem de saída, bX, bY significa coordenadas dentro do bloco de entrada, iC significa canais de entrada). A saída seria uma transposição para o seguinte layout: n, oY, oX, bY, bX, iC
Esta operação é útil para redimensionar as ativações entre as convoluções (mas mantendo todos os dados), por exemplo, em vez de agrupamento. Também é útil para treinar modelos puramente convolucionais.
Por exemplo, dada uma entrada de forma `[1, 2, 2, 1]`, data_format = "NHWC" e block_size = 2:
x = [[[[1], [2]],
[[3], [4]]]]
[[[[1, 2, 3, 4]]]]
Para um tensor de entrada com maior profundidade, aqui de forma `[1, 2, 2, 3]`, por exemplo
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]]]]
Classes aninhadas
| classe | SpaceToDepth.Options | Atributos opcionais para SpaceToDepth | |
Constantes
| Fragmento | OP_NAME | O nome desta operação, conforme conhecido pelo motor principal TensorFlow |
Métodos Públicos
| Output <T> | asOutput () Retorna o identificador simbólico do tensor. |
| estática <T estende TType > SpaceToDepth <T> | criar ( Scope escopo, Operando <T> de entrada, Long blockSize, Options ... Opções) Método de fábrica para criar uma classe envolvendo uma nova operação SpaceToDepth. |
| estáticos SpaceToDepth.Options | dataFormat (String dataFormat) |
| Output <T> | saída () |
Métodos herdados
Constantes
nome_op final String public static
O nome desta operação, conforme conhecido pelo motor principal TensorFlow
Métodos Públicos
pública Output <T> asOutput ()
Retorna o identificador simbólico do tensor.
As entradas para as operações do TensorFlow são saídas de outra operação do TensorFlow. Este método é usado para obter um identificador simbólico que representa o cálculo da entrada.
public static SpaceToDepth <T> create ( Scope escopo, Operando <T> de entrada, Long blockSize, Options ... Opções)
Método de fábrica para criar uma classe envolvendo uma nova operação SpaceToDepth.
Parâmetros
| alcance | escopo atual |
|---|---|
| tamanho do bloco | O tamanho do bloco espacial. |
| opções | carrega valores de atributos opcionais |
Devoluções
- uma nova instância de SpaceToDepth