BatchToSpaceNd

পাবলিক ফাইনাল ক্লাস BatchToSpaceNd

T টাইপের ND টেনসরের জন্য BatchToSpace।

এই ক্রিয়াকলাপটি "ব্যাচ" মাত্রা 0 কে `M + 1` আকারের আকার `block_shape + [batch]` তে পুনরায় আকার দেয়, এই ব্লকগুলিকে স্থানিক মাত্রা দ্বারা সংজ্ঞায়িত গ্রিডে ফেরত দেয় `[1, ..., M]`, ইনপুট হিসাবে একই র্যাঙ্ক সহ একটি ফলাফল প্রাপ্ত করতে। এই মধ্যবর্তী ফলাফলের স্থানিক মাত্রাগুলি তারপরে আউটপুট তৈরি করতে `ফসল` অনুসারে ঐচ্ছিকভাবে কাটা হয়। এটি SpaceToBatch এর বিপরীত। একটি সুনির্দিষ্ট বিবরণের জন্য নীচে দেখুন.

পাবলিক পদ্ধতি

আউটপুট <T>
আউটপুট হিসাবে ()
একটি টেনসরের প্রতীকী হ্যান্ডেল প্রদান করে।
স্ট্যাটিক <T, U প্রসারিত করে সংখ্যা, V প্রসারিত করে সংখ্যা> BatchToSpaceNd <T>
তৈরি করুন ( স্কোপ স্কোপ, অপারেন্ড <T> ইনপুট, অপারেন্ড <U> ব্লকশেপ, অপারেন্ড <V> ফসল)
একটি নতুন BatchToSpaceNd অপারেশন মোড়ানো একটি ক্লাস তৈরি করার কারখানার পদ্ধতি।
আউটপুট <T>
আউটপুট ()

উত্তরাধিকারসূত্রে প্রাপ্ত পদ্ধতি

পাবলিক পদ্ধতি

সর্বজনীন আউটপুট <T> হিসাবে আউটপুট ()

একটি টেনসরের প্রতীকী হ্যান্ডেল প্রদান করে।

TensorFlow অপারেশনের ইনপুট হল অন্য TensorFlow অপারেশনের আউটপুট। এই পদ্ধতিটি একটি সিম্বলিক হ্যান্ডেল পেতে ব্যবহৃত হয় যা ইনপুটের গণনার প্রতিনিধিত্ব করে।

সর্বজনীন স্ট্যাটিক BatchToSpaceNd <T> তৈরি করুন ( স্কোপ স্কোপ, Operand <T> ইনপুট, Operand <U> ব্লকশেপ, Operand <V> ফসল)

একটি নতুন BatchToSpaceNd অপারেশন মোড়ানো একটি ক্লাস তৈরি করার কারখানার পদ্ধতি।

পরামিতি
সুযোগ বর্তমান সুযোগ
ইনপুট আকৃতির সাথে ND `ইনপুট_শেপ = [ব্যাচ] + স্থানিক_আকৃতি + অবশিষ্ট_আকৃতি`, যেখানে স্থানিক_আকৃতির M মাত্রা রয়েছে।
ব্লকশেপ `[M]` আকৃতি সহ 1-D, সমস্ত মান অবশ্যই >= 1 হতে হবে।
ফসল `[M, 2]` আকৃতি সহ 2-D, সমস্ত মান অবশ্যই >= 0 হতে হবে। `crops[i] = [crop_start, crop_end]` ইনপুট ডাইমেনশন `i + 1` থেকে ক্রপ করার পরিমাণ নির্দিষ্ট করে, যা এর সাথে মিলে যায় স্থানিক মাত্রা `i`। এটা প্রয়োজন যে `crop_start[i] + crop_end[i] <= block_shape[i] * input_shape[i + 1]`।

এই অপারেশনটি নিম্নলিখিত ধাপগুলির সমতুল্য:

1. আকৃতির `পুনরায় আকৃতি`তে `ইনপুট`কে পুনরায় আকার দিন: [block_shape[0], ..., block_shape[M-1], batch/prod(block_shape), input_shape[1], ..., input_shape[N- 1]]

2. আকৃতির `পার্মুটেড` তৈরি করতে `পুনঃআকৃতি` এর পারমিউট ডাইমেনশন [ব্যাচ/প্রড(ব্লক_শেপ),

input_shape[1], block_shape[0], ..., input_shape[M], block_shape[M-1],

input_shape[M+1], ..., input_shape[N-1]]

3. আকৃতির `reshaped_permuted` তৈরি করতে `permuted` পুনরায় আকার দিন [ব্যাচ/prod(block_shape),

input_shape[1] * block_shape[0], ..., input_shape[M] * block_shape[M-1],

input_shape[M+1], ..., input_shape[N-1]]

4. আকৃতির আউটপুট তৈরি করতে `ক্রপস` অনুসারে `পুনঃআকৃতির_পারমুটেড` এর `[1, ..., M]` মাত্রার শুরু এবং শেষ কাটুন: [ব্যাচ/প্রড(ব্লক_শেপ),

ইনপুট_শেপ[1] * ব্লক_শেপ[0] - ফসল[0,0] - ফসল[0,1], ..., ইনপুট_শেপ[M] * ব্লক_শেপ[M-1] - ফসল[M-1,0] - ফসল [এম-১,১],

input_shape[M+1], ..., input_shape[N-1]]

কিছু উদাহরণ:

(1) আকৃতির নিম্নলিখিত ইনপুটের জন্য `[4, 1, 1, 1]`, `block_shape = [2, 2]`, এবং `crops = [[0, 0], [0, 0]]`:

[[[[1]]], [[[2]]], [[[3]]], [[[4]]]]
আউটপুট টেনসরের আকৃতি আছে `[1, 2, 2, 1]` এবং মান:
x = [[[[1], [2]], [[3], [4]]]]
(2) আকৃতির নিম্নলিখিত ইনপুটের জন্য `[4, 1, 1, 3]`, `block_shape = [2, 2]`, এবং `crops = [[0, 0], [0, 0]]`:
[[[[1, 2, 3]]], [[[4, 5, 6]]], [[[7, 8, 9]]], [[[10, 11, 12]]]]
আউটপুট টেনসরের আকৃতি আছে `[1, 2, 2, 3]` এবং মান:
x = [[[[1, 2, 3], [4, 5, 6]],
       [[7, 8, 9], [10, 11, 12]]]]
(3) আকৃতির নিম্নলিখিত ইনপুটের জন্য `[4, 2, 2, 1]`, `block_shape = [2, 2]`, এবং `crops = [[0, 0], [0, 0]]`:
x = [[[[1], [3]], [[9], [11]]],
      [[[2], [4]], [[10], [12]]],
      [[[5], [7]], [[13], [15]]],
      [[[6], [8]], [[14], [16]]]]
আউটপুট টেনসরের আকৃতি আছে `[1, 4, 4, 1]` এবং মান:
x = [[[[1],   [2],  [3],  [4]],
      [[5],   [6],  [7],  [8]],
      [[9],  [10], [11],  [12]],
      [[13], [14], [15],  [16]]]]
(4) আকৃতির নিম্নলিখিত ইনপুটের জন্য `[8, 1, 3, 1]`, `block_shape = [2, 2]`, এবং `crops = [[0, 0], [2, 0]]`:
x = [[[[0], [1], [3]]], [[[0], [9], [11]]],
      [[[0], [2], [4]]], [[[0], [10], [12]]],
      [[[0], [5], [7]]], [[[0], [13], [15]]],
      [[[0], [6], [8]]], [[[0], [14], [16]]]]
আউটপুট টেনসরের আকৃতি আছে `[2, 2, 4, 1]` এবং মান:
x = [[[[1],   [2],  [3],  [4]],
       [[5],   [6],  [7],  [8]]],
      [[[9],  [10], [11],  [12]],
       [[13], [14], [15],  [16]]]]

রিটার্নস
  • BatchToSpaceNd এর একটি নতুন উদাহরণ

সর্বজনীন আউটপুট <T> আউটপুট ()