テンソルフロー::作戦::深さから空間まで

#include <array_ops.h>

T 型のテンソルのDepthToSpace。

まとめ

データを深度から空間データのブロックに再配置します。これは、SpaceToDepth の逆変換です。より具体的には、この操作は、 depth次元の値が空間ブロックでheightおよびwidth次元に移動される入力テンソルのコピーを出力します。 attr block_size 、入力ブロックサイズとデータの移動方法を示します。

深さからのサイズblock_size * block_sizeのデータのチャンクは、サイズblock_size x block_sizeの重複しないブロックに再配置されます。
出力テンソルの幅はinput_depth * block_sizeですが、高さはinput_height * block_sizeです。
出力イメージの各ブロック内の Y、X 座標は、入力チャネルインデックスの高次成分によって決定されます。
入力テンソルの深さはblock_size * block_sizeで割り切れる必要があります。

data_format属性は、次のオプションを使用して入力テンソルと出力テンソルのレイアウトを指定します: "NHWC": [ batch, height, width, channels ] "NCHW": [ batch, channels, height, width ] "NCHW_VECT_C": qint8 [ batch, channels / 4, height, width, 4 ]

この操作を 6-D Tensor の変換と考えると便利です。たとえば、data_format = NHWC の場合、入力テンソルの各要素は 6 つの座標を介して指定でき、メモリレイアウトの重要性の降順で次のように並べられます: n,iY,iX,bY,bX,oC (ここで、n=バッチインデックス、iX、iY は X を意味します)または入力画像内の Y 座標、bX、bY は出力ブロック内の座標、oC は出力チャネルを意味します)。出力は、入力を次のレイアウトに転置したものになります: n,iY,bY,iX,bX,oC

この操作は、たとえばプールする代わりに、畳み込み間のアクティベーションのサイズを変更する場合に役立ちます (ただし、すべてのデータは保持します)。純粋に畳み込みモデルをトレーニングする場合にも役立ちます。

たとえば、shape [1, 1, 1, 4]の入力、 data_format = "NHWC" および block_size = 2 の場合、次のようになります。

x = [[[[1, 2, 3, 4]]]]

  

  This operation will output a tensor of shape [1, 2, 2, 1]:

  
    
ここで、入力には 1 のバッチがあり、各バッチ要素の形状は[1, 1, 4] 、対応する出力には 2x2 要素があり、深さは 1 チャネルになります (1 = 4 / (block_size * block_size) )。出力要素の形状は[2, 2, 1]です。
より深い深さの入力テンソルの場合、ここでは[1, 1, 1, 12]の形状になります。
 
この操作は、ブロック サイズ 2 の場合、次の形状[1, 2, 2, 3]のテンソルを返します。