텐서플로우:: 작전:: 공간으로의 깊이

#include <array_ops.h>

T 유형의 텐서에 대한 DepthToSpace .

요약

데이터를 깊이에서 공간 데이터 블록으로 재배열합니다. 이는 SpaceToDepth의 역변환입니다. 보다 구체적으로, 이 작업은 depth 차원의 값이 공간 블록에서 height 및 width 차원으로 이동되는 입력 텐서의 복사본을 출력합니다. block_size 속성은 입력 블록 크기와 데이터 이동 방법을 나타냅니다.

깊이에서 block_size * block_size 크기의 데이터 청크는 block_size x block_size 크기의 겹치지 않는 블록으로 재배열됩니다.
출력 텐서의 너비는 input_depth * block_size 이고 높이는 input_height * block_size 입니다.
출력 이미지의 각 블록 내 Y, X 좌표는 입력 채널 인덱스의 상위 구성 요소에 의해 결정됩니다.
입력 텐서의 깊이는 block_size * block_size 로 나눌 수 있어야 합니다.

data_format 속성은 다음 옵션을 사용하여 입력 및 출력 텐서의 레이아웃을 지정합니다: "NHWC": [ batch, height, width, channels ] "NCHW": [ batch, channels, height, width ] "NCHW_VECT_C": qint8 [ batch, channels / 4, height, width, 4 ]

이 작업을 6차원 Tensor 변환으로 간주하는 것이 유용합니다. 예를 들어 data_format = NHWC의 경우 입력 텐서의 각 요소는 6개 좌표를 통해 지정할 수 있으며 메모리 레이아웃 중요도를 감소시키는 순서로 다음과 같이 정렬할 수 있습니다. n,iY,iX,bY,bX,oC(여기서 n=배치 인덱스, iX, iY는 X를 의미함) 또는 입력 이미지 내의 Y 좌표, bX, bY는 출력 블록 내의 좌표를 의미하고 oC는 출력 채널을 의미합니다. 출력은 다음 레이아웃으로 바뀐 입력입니다: n,iY,bY,iX,bX,oC

이 작업은 풀링 대신 컨볼루션 간의 활성화 크기를 조정하는 데 유용합니다(그러나 모든 데이터는 유지). 이는 순수 컨볼루션 모델을 훈련하는 데에도 유용합니다.

예를 들어 [1, 1, 1, 4] 형태의 입력이 주어지면 data_format = "NHWC" 및 block_size = 2입니다.

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

  

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

  
    
 여기서 입력은 1개의 배치를 가지며 각 배치 요소는 [1, 1, 4] 모양을 가지며 해당 출력은 2x2 요소를 가지며 1 채널의 깊이를 갖습니다(1 = 4 / (block_size * block_size) ). 출력 요소 모양은 [2, 2, 1] 입니다.
 더 큰 깊이를 가진 입력 텐서의 경우, 여기서는 [1, 1, 1, 12] 모양입니다. 예:
 
 블록 크기가 2인 경우 이 작업은 [1, 2, 2, 3] 모양의 다음 텐서를 반환합니다.