Python tf.raw_ops.BatchToSpaceND用法及代码示例

参数

• input 一个Tensor。 N-D 形状为 input_shape = [batch] + spatial_shape + remaining_shape ，其中 spatial_shape 具有 M 维。
• block_shape 一个Tensor。必须是以下类型之一：int32 , int64。形状为 [M] 的一维，所有值必须 >= 1。
• crops A Tensor.必须是以下类型之一：int32,int64.二维与形状[M, 2]，所有值必须 >= 0。crops[i] = [crop_start, crop_end]指定从输入维度裁剪的数量i + 1, 对应于空间维度i.要求crop_start[i] + crop_end[i] <= block_shape[i] * input_shape[i + 1].

  此操作等效于以下步骤：

  1. 将 input 重塑为 reshaped 的形状：[block_shape[0], ..., block_shape[M-1], batch /prod(block_shape), input_shape[1], ..., input_shape[N-1] ]

  2. 置换reshaped 的尺寸以产生形状为[batch /prod(block_shape) 的permuted，

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

     输入形状[M+1], ..., 输入形状[N-1]]

  3. 重塑 permuted 以产生形状为 [batch /prod(block_shape) 的 reshaped_permuted，

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

     输入形状[M+1], ..., 输入形状[N-1]]

  4. 根据crops裁剪reshaped_permuted的维度[1, ..., M]的开始和结束以产生shape的输出：[batch /prod(block_shape),

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

     输入形状[M+1], ..., 输入形状[N-1]]

  一些例子：

  (1) 对于以下形状 [4, 1, 1, 1] , block_shape = [2, 2] 和 crops = [[0, 0], [0, 0]] 的输入：

  [[[[1]]], [[[2]]], [[[3]]], [[[4]]]]

  输出张量的形状为 [1, 2, 2, 1] 和值：

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

  (2) 对于以下形状 [4, 1, 1, 3] , block_shape = [2, 2] 和 crops = [[0, 0], [0, 0]] 的输入：

  [[[[1, 2, 3]]], [[[4, 5, 6]]], [[[7, 8, 9]]], [[[10, 11, 12]]]]

  输出张量的形状为 [1, 2, 2, 3] 和值：

  x = [[[[1, 2, 3], [4, 5, 6]],
        [[7, 8, 9], [10, 11, 12]]]]

  (3) 对于以下形状 [4, 2, 2, 1] , block_shape = [2, 2] 和 crops = [[0, 0], [0, 0]] 的输入：

  x = [[[[1], [3]], [[9], [11]]],
       [[[2], [4]], [[10], [12]]],
       [[[5], [7]], [[13], [15]]],
       [[[6], [8]], [[14], [16]]]]

  输出张量的形状为 [1, 4, 4, 1] 和值：

  x = [[[[1],   [2],  [3],  [4]],
       [[5],   [6],  [7],  [8]],
       [[9],  [10], [11],  [12]],
       [[13], [14], [15],  [16]]]]

  (4) 对于以下形状 [8, 1, 3, 1] , block_shape = [2, 2] 和 crops = [[0, 0], [2, 0]] 的输入：

  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]]]]

  输出张量的形状为 [2, 2, 4, 1] 和值：

  x = [[[[1],   [2],  [3],  [4]],
        [[5],   [6],  [7],  [8]]],
       [[[9],  [10], [11],  [12]],
        [[13], [14], [15],  [16]]]]

• name 操作的名称(可选)。

返回

• 一个Tensor。具有与 input 相同的类型。