Python tf.raw_ops.SpaceToBatch用法及代码示例

SpaceToBatch 用于 T 类型的 4-D 张量。

用法

tf.raw_ops.SpaceToBatch(
    input, paddings, block_size, name=None
)

这是更通用的 SpaceToBatchND 的旧版本。

Zero-pads 然后将空间数据块重新排列(置换)成批处理。更具体地说，此操作输出输入张量的副本，其中来自 height 和 width 维度的值被移动到 batch 维度。补零之后，输入的height 和width 都必须能被块大小整除。

attr block_size 必须大于一。它表示块大小。

• 高度和宽度维度中大小为block_size x block size 的非重叠块在每个位置重新排列到批次维度中。
• 输出张量的批次为 batch * block_size * block_size 。
• height_pad 和 width_pad 都必须能被 block_size 整除。

输出的形状将是：

[batch*block_size*block_size, height_pad/block_size, width_pad/block_size,
 depth]

一些例子：

(1) 对于以下形状 [1, 2, 2, 1] 和 block_size 的 2 输入：

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

输出张量的形状为 [4, 1, 1, 1] 和值：

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

(2) 对于以下形状 [1, 2, 2, 3] 和 block_size 的 2 输入：

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

输出张量的形状为 [4, 1, 1, 3] 和值：

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

(3) 对于以下形状 [1, 4, 4, 1] 和 block_size 的 2 输入：

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

输出张量的形状为 [4, 2, 2, 1] 和值：

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

(4) 对于以下形状 [2, 2, 4, 1] 和 block_size 的 2 输入：

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

输出张量的形状为 [8, 1, 2, 1] 和值：

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

除其他外，此操作对于将多孔卷积减少为常规卷积很有用。