fluxo tensor:: ops:: Profundidade para espaço

#include <array_ops.h>

DepthToSpace para tensores do tipo T.

Resumo

Reorganiza os dados de profundidade em blocos de dados espaciais. Esta é a transformação reversa do SpaceToDepth. Mais especificamente, esta operação gera uma cópia do tensor de entrada onde os valores da dimensão depth são movidos em blocos espaciais para as dimensões de height e width . O attr block_size indica o tamanho do bloco de entrada e como os dados são movidos.

  • Pedaços de dados de tamanho block_size * block_size de profundidade são reorganizados em blocos não sobrepostos de tamanho block_size x block_size
  • A largura do tensor de saída é input_depth * block_size , enquanto a altura é input_height * block_size .
  • As coordenadas Y, X dentro de cada bloco da imagem de saída são determinadas pelo componente de ordem superior do índice do canal de entrada.
  • A profundidade do tensor de entrada deve ser divisível por block_size * block_size .

O atributo data_format especifica o layout dos tensores de entrada e saída com as seguintes opções: "NHWC": [ batch, height, width, channels ] "NCHW": [ batch, channels, height, width ] "NCHW_VECT_C": qint8 [ batch, channels / 4, height, width, 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 da memória como: n,iY,iX,bY,bX,oC (onde n=índice de lote, iX, iY significa X ou coordenadas Y dentro da imagem de entrada, bX, bY significa coordenadas dentro do bloco de saída, oC significa canais de saída). A saída seria a entrada transposta para o seguinte layout: n,iY,bY,iX,bX,oC

Esta operação é útil para redimensionar as ativações entre convoluções (mas mantendo todos os dados), por exemplo, em vez de agrupar. Também é útil para treinar modelos puramente convolucionais.

Por exemplo, dada uma entrada de formato [1, 1, 1, 4] , data_format = "NHWC" e block_size = 2: 

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

  

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

  

    
 Aqui, a entrada tem um lote de 1 e cada elemento do lote tem formato [1, 1, 4] , a saída correspondente terá 2x2 elementos e terá profundidade de 1 canal (1 = 4 / (block_size * block_size) ). A forma do elemento de saída é [2, 2, 1] .
 Para um tensor de entrada com maior profundidade, aqui de formato [1, 1, 1, 12] , por exemplo
 
 Esta operação, para tamanho de bloco 2, retornará o seguinte tensor de forma [1, 2, 2, 3]